Ya no actualizamos el servicio Amazon Machine Learning ni aceptamos nuevos usuarios para él. Esta documentación está disponible para los usuarios actuales, pero ya no la actualizamos. Para obtener más información, consulte [Qué es Amazon Machine Learning](https://docs.aws.amazon.com/machine-learning/latest/dg/what-is-amazon-machine-learning.html).
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.
# Solicitud de Real-time predicciones
Una predicción en tiempo real es una llamada sincrónica a Amazon Machine Learning (Amazon ML). La predicción se realiza cuando Amazon ML recibe la solicitud y la respuesta se devuelve inmediatamente. Real-time Las predicciones se utilizan habitualmente para habilitar las capacidades predictivas en aplicaciones web, móviles o de escritorio interactivas. Puede consultar un modelo de ML creado con Amazon ML para obtener predicciones en tiempo real a través de la API `Predict` de baja latencia. La operación `Predict` acepta una única observación de entrada en la solicitud de carga y devuelve la predicción de la respuesta de forma síncrona. Esto la diferencia de la API de predicciones por lotes, que se invoca con el ID de un objeto de fuente de datos de Amazon ML que apunta a la ubicación de las observaciones de entrada y devuelve de forma asíncrona una URI a un archivo que contiene predicciones para todas estas observaciones. Amazon ML responde a la mayoría de solicitudes de predicciones en tiempo real en un plazo de 100 milisegundos.
Puede probar las predicciones en tiempo real sin incurrir en gastos en la consola de Amazon ML. Si decide utilizar las predicciones en tiempo real, primero debe crear un punto de enlace para la generación de predicciones en tiempo real. Puede hacerlo en la consola de Amazon ML o utilizando la API `CreateRealtimeEndpoint`. Cuando tenga un punto de enlace, utilice la API de predicciones en tiempo real para generar predicciones en tiempo real.
**nota**
Después de crear un punto de enlace en tiempo real para el modelo, podrá comenzar a incurrir en una carga de reserva de capacidad que se basa en el tamaño del modelo. Para obtener más información, consulte [Precios](https://aws.amazon.com/machine-learning/pricing/). Si crea el punto de enlace en tiempo real en la consola, la consola mostrará un desglose de los cargos estimados que el punto de enlace acumulará de forma continua. Para parar de incurrir en cargos cuando ya no necesita obtener las predicciones en tiempo real a partir de ese modelo, elimine el punto de enlace en tiempo real a través de la consola o la operación `DeleteRealtimeEndpoint`.
Para ver ejemplos de `Predict` solicitudes y respuestas, consulte [Predecir](https://docs.aws.amazon.com/machine-learning/latest/APIReference/API_Predict.html) en la *referencia de la API de Amazon Machine Learning*. Para ver un ejemplo del formato exacto de respuesta que utiliza su modelo, consulte [¿Probar Real-Time predicciones?](#testing-real-time-predictions).
**Topics**
+ [¿Probar Real-Time predicciones?](#testing-real-time-predictions)
+ [Crear un punto final Real-Time](#creating-a-real-time-endpoint)
+ [Localización del punto final de Real-time predicción (consola)](#locate-endpoint-by-console)
+ [Localización del punto final de Real-time predicción (API)](#locating-the-real-time-prediction-endpoint)
+ [Creación de una solicitud Real-time de predicción](#real-time-prediction-request-format)
+ [Eliminar un Real-Time punto final](#delete-endpoint)
## ¿Probar Real-Time predicciones?
Para ayudarle a decidir si desea habilitar las predicciones en tiempo real, Amazon ML le permite probar la generación de predicciones en registros de datos únicos sin incurrir en cargos adicionales asociados con la configuración de un punto de conexión de predicciones en tiempo real. Para probar las predicciones en tiempo real, debe contar con un modelo de ML. Para crear predicciones en tiempo real a mayor escala, utilice la API [Predecir](https://docs.aws.amazon.com/machine-learning/latest/APIReference/API_Predict.html) en la *Referencia de la API de Amazon Machine Learning*.
**Pruebas con predicciones en tiempo real**
1. Inicie sesión en la consola Amazon Machine Learning Consola de administración de AWS y ábrala en [https://console.aws.amazon.com/machinelearning/](https://console.aws.amazon.com/machinelearning/).
1. En la barra de navegación, en el desplegable **Amazon Machine Learning**, elija **ML models (Modelos ML)**.
1. Elija el modelo que desea utilizar para probar las predicciones en tiempo real, como el `Subscription propensity model` del tutorial.
1. En la página del informe del modelo de ML, en **Predictions (Predicciones)**, seleccione **Summary (Resumen)** y, a continuación, elija **Try real-time predictions (Predicciones en tiempo real)**.
Amazon ML muestra una lista de las variables que componen los registros de datos que Amazon ML utilizó para entrenar el modelo.
1. Puede continuar escribiendo datos en cada uno de los campos en el formulario o pegar un solo registro de datos, en formato CSV, en el cuadro de texto.
Para utilizar el formulario, para cada campo **Value (Valor)**, escriba los datos que desea utilizar para probar sus predicciones en tiempo real. Si el registro de datos que ha introducido no contiene valores correspondientes a uno o varios atributos de datos, deje los campos de entrada en blanco.
Para proporcionar un registro de datos, seleccione **Paste a record (Pegar un registro)**. Pegue una sola CSV-formatted fila de datos en el campo de texto y seleccione **Enviar**. Amazon ML rellena automáticamente los campos **Valor**.
**nota**
Los datos en el registro de datos deben tener el mismo número de columnas que los datos de entrenamiento y estar organizados en el mismo orden. La única excepción es que debería omitir el valor de destino. Si incluye un valor de destino, Amazon ML no lo tiene en cuenta.
1. En la parte inferior de la página, elija **Create prediction**. Amazon ML devuelve la predicción de forma inmediata.
En el panel **Prediction results (Resultados de predicción)**, verá el objeto de predicciones que devuelve la llamada a la API `Predict`, junto con el tipo de modelo de ML, el nombre de la variable de destino y la clase o el valor predichos. Para obtener información acerca de cómo interpretar los resultados, consulte [Interpretación del contenido de los archivos de predicciones por lotes para un modelo de ML de clasificación binaria](reading-the-batchprediction-output-files.md#interpreting-the-contents-of-batch-prediction-files-for-a-binary-classification-ml-model).
## Crear un punto final Real-Time
Para generar predicciones en tiempo real, debe crear un punto de enlace en tiempo real. Para crear un punto de enlace en tiempo real, ya debe tener un modelo de ML para el que desea generar predicciones en tiempo real. Puede crear un punto de conexión en tiempo real a través de la consola de Amazon ML o mediante una llamada a la API `CreateRealtimeEndpoint`. Para obtener más información sobre el uso de la API `CreateRealtimeEndpoint`, consulte [https://docs.aws.amazon.com/machine-learning/latest/APIReference/API_CreateRealtimeEndpoint.html](https://docs.aws.amazon.com/machine-learning/latest/APIReference/API_CreateRealtimeEndpoint.html) en la referencia de la API de Amazon Machine Learning.
**Creación de un punto de enlace en tiempo real**
1. Inicie sesión en la consola Amazon Machine Learning Consola de administración de AWS y ábrala en [https://console.aws.amazon.com/machinelearning/](https://console.aws.amazon.com/machinelearning/).
1. En la barra de navegación, en el desplegable **Amazon Machine Learning**, elija **ML models (Modelos ML)**.
1. Elija el modelo por el cual desea generar predicciones en tiempo real.
1. En la página **ML model summary (Resumen de modelo de ML)**, en **Predictions (Predicciones)**, seleccione **Create real-time endpoint (Crear punto de enlace en tiempo real)**.
Aparecerá un cuadro de diálogo que explica el precio que tienen las predicciones en tiempo real.
1. Seleccione **Crear**. La solicitud del punto de conexión en tiempo real se envía a Amazon ML y se introduce en una cola. El estado del punto de enlace en tiempo real es **Updating (Actualizando)**.
1. Cuando el punto de conexión en tiempo real esté listo, el estado cambia a **Listo** y Amazon ML muestra la dirección URL del punto de conexión. Utilice la dirección URL del punto de enlace para crear solicitudes de predicciones en tiempo real con la API `Predict`. Para obtener más información sobre el uso de la API `Predict`, consulte [https://docs.aws.amazon.com/machine-learning/latest/APIReference/API_Predict.html](https://docs.aws.amazon.com/machine-learning/latest/APIReference/API_Predict.html) en la Referencia de API de Amazon Machine Learning.
## Localización del punto final de Real-time predicción (consola)
Para utilizar la consola de Amazon ML para encontrar la dirección URL del punto de conexión de un modelo de ML, consulte la página **Resumen de modelo de ML**.
**Ubicación de la dirección URL de un punto de enlace en tiempo real**
1. Inicie sesión en la consola Amazon Machine Learning Consola de administración de AWS y ábrala en [https://console.aws.amazon.com/machinelearning/](https://console.aws.amazon.com/machinelearning/).
1. En la barra de navegación, en el desplegable **Amazon Machine Learning**, elija **ML models (Modelos ML)**.
1. Elija el modelo por el cual desea generar predicciones en tiempo real.
1. En la página **ML model summary (Resumen de modelo de ML)**, desplácese hacia abajo hasta que vea la sección **Predictions (Predicciones)**.
1. La URL del punto final del modelo aparece en la **Real-time predicción**. Utilice la dirección URL como dirección URL de **Endpoint Url (URL de punto de enlace)** para sus llamadas de predicciones en tiempo real. Para obtener información acerca de cómo utilizar el punto de conexión para generar predicciones, consulte [https://docs.aws.amazon.com/machine-learning/latest/APIReference/API_Predict.html](https://docs.aws.amazon.com/machine-learning/latest/APIReference/API_Predict.html) en la Referencia de API de Amazon Machine Learning.
## Localización del punto final de Real-time predicción (API)
Cuando crea un punto de conexión en tiempo real mediante la utilización de la operación `CreateRealtimeEndpoint`, la dirección URL y el estado del punto de enlace se le devuelven en la respuesta. Si creó el punto de enlace en tiempo real a través de la consola o si desea recuperar la dirección URL y el estado de un punto de enlace que ha creado anteriormente, llame a la operación `GetMLModel` con el ID del modelo del que desea consultar las predicciones en tiempo real. La información del punto de enlace está en la sección `EndpointInfo` de la respuesta. Para un modelo que tiene un punto de enlace en tiempo real asociado, `EndpointInfo` podría devolver lo siguiente:
```
"EndpointInfo":{
"CreatedAt": 1427864874.227,
"EndpointStatus": "READY",
"EndpointUrl": "https://endpointUrl",
"PeakRequestsPerSecond": 200
}
```
Un modelo sin un punto de enlace en tiempo real devolverá lo siguiente:
```
EndpointInfo":{
"EndpointStatus": "NONE",
"PeakRequestsPerSecond": 0
}
```
## Creación de una solicitud Real-time de predicción
Una carga de solicitud `Predict` podría devolver lo siguiente:
```
{
"MLModelId": "model-id",
"Record":{
"key1": "value1",
"key2": "value2"
},
"PredictEndpoint": "https://endpointUrl"
}
```
El campo `PredictEndpoint` debe corresponderse con el campo `EndpointUrl` de la estructura `EndpointInfo`. Amazon ML utiliza este campo para dirigir la solicitud a los servidores adecuados en la flota de predicciones en tiempo real.
El `MLModelId` es el identificador de un modelo entrenado previamente con un punto de enlace en tiempo real.
Un `Record` es un mapa de nombres de variables a valores variables. Cada par representa una observación. El mapa `Record` contiene las entradas de su modelo de Amazon ML. Es similar a una sola fila de datos en el conjunto de datos de entrenamiento, sin la variable de destino. Independientemente del tipo de valores en los datos de entrenamiento, `Record` contiene un mapeo de cadena a cadena.
**nota**
Puede omitir variables para las que no tiene un valor, aunque esto podría reducir la exactitud de su predicción. Cuantas más variables pueda incluir, más preciso será su modelo.
El formato de la respuesta que devuelven las solicitudes `Predict` depende del tipo de modelo que se utiliza para las consultas de predicción. En todos los casos, el campo `details` contiene información acerca de la solicitud de predicciones, incluyendo de manera notable el campo `PredictiveModelType` con el tipo de modelo.
El siguiente ejemplo muestra una respuesta para un modelo binario:
```
{
"Prediction":{
"details":{
"PredictiveModelType": "BINARY"
},
"predictedLabel": "0",
"predictedScores":{
"0": 0.47380468249320984
}
}
}
```
Tenga en cuenta el campo `predictedLabel` que contiene la etiqueta prevista, que en este caso es 0. Amazon ML procesa la etiqueta predicha comparando la puntuación de predicción con el corte de clasificación:
+ Puede obtener el corte de clasificación que está asociado actualmente con un modelo de ML inspeccionando el campo `ScoreThreshold` en la respuesta de la operación `GetMLModel` o visualizando la información del modelo en la consola de Amazon ML. Si no establece un umbral de corte, Amazon ML utiliza el valor predeterminado de 0,5.
+ Puede obtener la puntuación de predicciones exacta para un modelo de clasificación binaria inspeccionando el mapa `predictedScores`. Dentro de este mapa, la etiqueta predicha se empareja con la puntuación de predicciones exacta.
Para obtener más información sobre las predicciones binarias, consulte [Interpretación de las predicciones](binary-model-insights.md#interpreting-the-predictions).
El siguiente ejemplo muestra una respuesta para un modelo de regresión. Tenga en cuenta que el valor numérico predicho se encuentra en el campo `predictedValue`:
```
{
"Prediction":{
"details":{
"PredictiveModelType": "REGRESSION"
},
"predictedValue": 15.508452415466309
}
}
```
El siguiente ejemplo muestra una respuesta para un modelo multiclase:
```
{
"Prediction":{
"details":{
"PredictiveModelType": "MULTICLASS"
},
"predictedLabel": "red",
"predictedScores":{
"red": 0.12923571467399597,
"green": 0.08416014909744263,
"orange": 0.22713537514209747,
"blue": 0.1438363939523697,
"pink": 0.184102863073349,
"violet": 0.12816807627677917,
"brown": 0.10336143523454666
}
}
}
```
Al igual que en los modelos de clasificación binaria, la predicción label/class se encuentra en el `predictedLabel` campo. Puede comprender mejor cómo de fuertemente está relacionada la predicción con cada clase consultando el mapa `predictedScores`. Cuanto mayor sea la puntuación de una clase dentro de este mapa, más fuertemente está relacionada la predicción con dicha clase. El valor máximo quede seleccionado como `predictedLabel`.
Para obtener más información sobre las predicciones multiclase, consulte [Información del modelo multiclase](multiclass-model-insights.md).
## Eliminar un Real-Time punto final
Cuando haya completado sus predicciones en tiempo real, elimine el punto de enlace en tiempo real para evitar incurrir en cargos adicionales. Se detiene la acumulación de cargos en cuanto elimina el punto de enlace.
**Eliminación de un punto de enlace en tiempo real**
1. Inicie sesión en la consola Amazon Machine Learning Consola de administración de AWS y ábrala en [https://console.aws.amazon.com/machinelearning/](https://console.aws.amazon.com/machinelearning/).
1. En la barra de navegación, en el desplegable **Amazon Machine Learning**, elija **ML models (Modelos ML)**.
1. Elija el modelo que ya no requiere predicciones en tiempo real.
1. En la página del informe del modelo de ML, en **Predictions (Predicciones)**, elija **Summary (Resumen)**.
1. Seleccione **Delete real-time endpoint (Eliminar punto de enlace en tiempo real)**.
1. En el cuadro de diálogo **Delete real-time endpoint (Eliminar puerto de enlace en tiempo real)**, elija **Delete (Eliminar)**.