As traduções são geradas por tradução automática. Em caso de conflito entre o conteúdo da tradução e da versão original em inglês, a versão em inglês prevalecerá.

Formatos de resposta e solicitação para k-NN

Todos os algoritmos SageMaker integrados da Amazon aderem ao formato comum de inferência de entrada descrito em Formatos de dados comuns - Inferência. Este tópico contém uma lista dos formatos de saída disponíveis para o SageMaker k-nearest-neighbor algoritmo.

INPUT: Formato da CSV solicitação

content-type: text/csv

1.2,1.3,9.6,20.3

Aceita label_size ou um parâmetro de codificação. Ele assume um label_size de 0 e uma codificação utf-8.

INPUT: Formato da JSON solicitação

content-type: application/json

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

INPUT: Formato da JSONLINES solicitação

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 da RECORDIO solicitação

tipo de conteúdo: aplicativo/ 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 JSON resposta

accept: application/json

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

OUTPUT: Formato de JSONLINES resposta

accept: application/jsonlines

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

OUTPUT: Formato de VERBOSE JSON resposta

No modo detalhado, API fornece os resultados da pesquisa com o vetor de distâncias classificado do menor para o maior, com os elementos correspondentes no vetor de rótulos. Neste exemplo, k está definido como 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 - Formato de PROTOBUF resposta

tipo de conteúdo: aplicativo/ x-recordio-protobuf

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

OUTPUT: VERBOSE RECORDIO - Formato de PROTOBUF resposta

No modo detalhado, API fornece os resultados da pesquisa com o vetor de distâncias classificado do menor para o maior, com os elementos correspondentes no vetor de rótulos. Neste exemplo, k está definido como 3.

aceitar: aplicativo/; verbose=true x-recordio-protobuf

[
    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 o algoritmo k-NN

Para tarefas de regressor:

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

Para tarefas de classificador:

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