Las traducciones son generadas a través de traducción automática. En caso de conflicto entre la traducción y la version original de inglés, prevalecerá la version en inglés.

Formatos de respuesta y solicitud k-NN

Todos los algoritmos SageMaker integrados en Amazon utilizan el formato de inferencia de entrada común descrito en Formatos de datos comunes: inferencia. Este tema contiene una lista de los formatos de salida disponibles para el SageMaker k-nearest-neighbor algoritmo.

INPUT: formato CSV de solicitud

content-type: text/csv

1.2,1.3,9.6,20.3

Esta acepta un label_size o parámetro de codificación. Presupone que label_size tiene un valor de 0 y la codificación es UTF-8.

INPUT: Formato JSON de solicitud

content-type: application/json

{
  "instances": [
    {"data": {"features": {"values": [-3, -1, -4, 2]}}},
    {"features": [3.0, 0.1, 0.04, 0.002]}]
}

INPUT: Formato JSONLINES de solicitud

content-type: application/jsonlines

{"features": [1.5, 16.0, 14.0, 23.0]}
{"data": {"features": {"values": [1.5, 16.0, 14.0, 23.0]}}

INPUT: Formato RECORDIO de solicitud

tipo de contenido: aplicación/ x-recordio-protobuf

[
    Record = {
        features = {
            'values': {
                values: [-3, -1, -4, 2]  # float32
            }
        },
        label = {}
    },
    Record = {
        features = {
            'values': {
                values: [3.0, 0.1, 0.04, 0.002]  # float32
            }
        },
        label = {}
    },
] 

OUTPUT: Formato de respuesta JSON

accept: application/json

{
  "predictions": [
    {"predicted_label": 0.0},
    {"predicted_label": 2.0}
  ]
}

OUTPUT: Formato de JSONLINES respuesta

accept: application/jsonlines

{"predicted_label": 0.0}
{"predicted_label": 2.0}

OUTPUT: Formato de VERBOSE JSON respuesta

En el modo detallado, API proporciona los resultados de la búsqueda con el vector de distancias ordenado de menor a mayor, con los elementos correspondientes en el vector de etiquetas. En este ejemplo, k se fija en 3.

accept: application/json; verbose=true

{
  "predictions": [
    {
        "predicted_label": 0.0,
        "distances": [3.11792408, 3.89746071, 6.32548437],
        "labels": [0.0, 1.0, 0.0]
    },
    {
        "predicted_label": 2.0,
        "distances": [1.08470316, 3.04917915, 5.25393973],
        "labels": [2.0, 2.0, 0.0]
    }
  ]
}

OUTPUT: RECORDIO - PROTOBUF Formato de respuesta

tipo de contenido: aplicación/ x-recordio-protobuf

[
    Record = {
        features = {},
        label = {
            'predicted_label': {
                values: [0.0]  # float32
            }
        }
    },
    Record = {
        features = {},
        label = {
            'predicted_label': {
                values: [2.0]  # float32
            }
        }
    }
]

OUTPUT: - Formato VERBOSE RECORDIO de respuesta PROTOBUF

En el modo detallado, API proporciona los resultados de la búsqueda con el vector de distancias ordenado de menor a mayor, con los elementos correspondientes en el vector de etiquetas. En este ejemplo, k se fija en 3.

accept: x-recordio-protobuf application/; verbose=true

[
    Record = {
        features = {},
        label = {
            'predicted_label': {
                values: [0.0]  # float32
            },
            'distances': {
                values: [3.11792408, 3.89746071, 6.32548437]  # float32
            },
            'labels': {
                values: [0.0, 1.0, 0.0]  # float32
            }
        }
    },
    Record = {
        features = {},
        label = {
            'predicted_label': {
                values: [0.0]  # float32
            },
            'distances': {
                values: [1.08470316, 3.04917915, 5.25393973]  # float32
            },
            'labels': {
                values: [2.0, 2.0, 0.0]  # float32
            }
        }
    }
]

SAMPLEOUTPUTpara el algoritmo k-NN

Para tareas regresor:

[06/08/2018 20:15:33 INFO 140026520049408] #test_score (algo-1) : ('mse', 0.013333333333333334)

Para tareas clasificador:

[06/08/2018 20:15:46 INFO 140285487171328] #test_score (algo-1) : ('accuracy', 0.98666666666666669)