REST APIを使用して、Prediction Oneも予測モデルの作成ができます。以下の一連のAPIによって実行します。

1. Get API Key API：API KEYを取得
2. Train Data Upload API：データをアップロード
3. Train Data Set Info: 学習用データセットの情報を取得
4. Create Model API：学習の実行
5. Status Check API：学習の状態確認と、学習後の結果ファイルダウンロードURLの取得

Train Data Upload API

学習用のデータをアップロードするURLを取得します。

URL

https://developer-api.predictionone.sony.biz/v1/external/data-sets/upload-url

HTTPメソッドは、GETです。

Request

header

path parameter

ありません。

query parameter

body

ありません。

Response

body

以下のフォーマットです。

{
    "learn_data_set_upload_url": str,
    "eval_data_set_upload_url": str,
    "column_info_upload_url": str,
    "external_process_id": str
}

error message

実行例 1

Train Data Upload APIのpythonによる実行例が以下となります。

Train Data Upload APIを使用してサンプルデータの「1_プレミアムサービス購入.csv」をアップロードします。

import requests
import subprocess

api_url = 'https://developer-api.predictionone.sony.biz/v1/external/data-sets/upload-url'
api_key = 'YOUR_API_KEY'

headers = {'x-api-key': api_key}

# 学習ファイルのみの場合​
train_data_file_path = 'train_data_file_path'
column_info_file_path = 'column_info.csv'

# 項目情報ファイルの作成
with open(column_info_file_path, 'w', encoding='utf-8-sig') as f:
  f.write('column_name,column_type\n')
  f.write('プレミアムサービス(予測対象),string\n')
  f.write('入会時期,date\n')
  f.write('年齢,float\n')
  f.write('性別,string\n')
  f.write('顧客ランク,string\n')
  f.write('過去購入額,float\n')
  f.write('クーポン利用回数,float\n')
  f.write('メアド登録,string\n')


# request
params = {'extension': 'csv'}
response = requests.get(api_url, params=params, headers=headers)
response_json = response.json()
train_data_set_upload_url = response_json['learn_data_set_upload_url']
train_eval_data_set_upload_url = response_json['eval_data_set_upload_url']
column_info_upload_url = response_json['column_info_upload_url']
external_process_id = response_json['external_process_id']

# upload_file
with open(train_data_file_path, 'rb') as f:
  train_data = f.read()
res = requests.put(train_data_set_upload_url, data=train_data)

with open(column_info_file_path, 'rb') as f:
  column_info_data = f.read()
res = requests.put(column_info_upload_url, data=column_info_data)

# 評価用データを利用する場合
train_eval_data_file_path = 'YOUR_TRAIN_EVAL_DATA_FILE_PATH'
with open(train_eval_data_file_path, 'rb') as f:
  train_eval_data = f.read()
res = requests.put(train_eval_data_set_upload_url, data=train_eval_data)

実行例 2

Train Data Upload APIのコマンドプロンプトからcurlコマンドによる実行例が以下となります。

1. コマンドプロンプトを立ち上げる

2. credential_typeを記載したファイルを保存(param.txtとする)

3. リクエストする
$ curl -o "response.json" -H "x-api-key:{Get API Key APIから取得したAPI KEY}" -X GET -G https://developer-api.predictionone.sony.biz/v1/external/data-sets/upload-url --data-urlencode filename@"{3.のファイルのフルパス}"
ex) $ curl -o "response.json" -H "x-api-key:xxxx-xxx-xxx-xxxx" -X GET -G https://developer-api.predictionone.sony.biz/v1/external/data-sets/upload-url --data-urlencode filename@param.txt

4. response.jsonを確認しretrain_job_idとupload_urlを取得

5. ファイルをアップロード
$ curl -X PUT --upload-file {学習用データセットファイルパス} {4で取得したlearn_data_set_upload_url}
# 評価用データも使用する場合
$ curl -X PUT --upload-file {評価用データセットファイルパス} {4で取得したeval_data_set_upload_url}
$ curl -X PUT --upload-file {カラム情報ファイルパス} {4で取得したcolumn_info_upload_url}