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 integrados do Amazon SageMaker AI aderem ao formato de inferência de entrada comum descrito em Formatos de dados comuns para inferência. Esse tópico contém uma lista dos formatos de saída disponíveis para o algoritmo k-vizinhos mais próximo do SageMaker AI.
ENTRADA: Formato da solicitação CSV
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.
ENTRADA: Formato de solicitação JSON
content-type: application/json
{ "instances": [ {"data": {"features": {"values": [-3, -1, -4, 2]}}}, {"features": [3.0, 0.1, 0.04, 0.002]}] }
ENTRADA: Formato de solicitação JSONLINES
content-type: application/jsonlines
{"features": [1.5, 16.0, 14.0, 23.0]} {"data": {"features": {"values": [1.5, 16.0, 14.0, 23.0]}}
ENTRADA: Formato de solicitação RECORDIO
content-type: application/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 = {} }, ]
SAÍDA: Formato de resposta JSON
accept: application/json
{ "predictions": [ {"predicted_label": 0.0}, {"predicted_label": 2.0} ] }
SAÍDA: Formato de resposta JSONLINES
accept: application/jsonlines
{"predicted_label": 0.0} {"predicted_label": 2.0}
SAÍDA: Formato de resposta VERBOSE JSON
No modo detalhado, a API fornece aos resultados da pesquisa o vetor de distâncias, classificadas da menor para a 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] } ] }
SAÍDA: Formato de resposta RECORDIO-PROTOBUF
content-type: application/x-recordio-protobuf
[ Record = { features = {}, label = { 'predicted_label': { values: [0.0] # float32 } } }, Record = { features = {}, label = { 'predicted_label': { values: [2.0] # float32 } } } ]
SAÍDA: Formato de resposta VERBOSE RECORDIO-PROTOBUF
No modo detalhado, a API fornece aos resultados da pesquisa o vetor de distâncias, classificadas da menor para a maior, com os elementos correspondentes no vetor de rótulos. Neste exemplo, k está definido como 3.
accept: application/x-recordio-protobuf; 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 } } } ]
SAÍDA DE AMOSTRA para 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)