この記事について

JAWS-UG CLI専門支部 #67 MachineLearning入門で実施するハンズオン用の手順書です。

前提条件

必要な権限

作業にあたっては、以下の権限を有したIAMユーザもしくはIAMロールを利用してください。

MachineLearningのフルコントロール権限
S3のフルコントロール権限
STSの関するフルコントロール権限

0. 準備

0.1. リージョンを指定

コマンド

export AWS_DEFAULT_REGION="eu-west-1"

0.2. 資格情報を確認

コマンド

aws configure list

インスタンスプロファイルを設定したEC2インスタンスでアクセスキーを設定せずに実行した場合、以下のようになります。

結果

      Name                    Value             Type    Location
      ----                    -----             ----    --------
   profile                <not set>             None    None
access_key     ****************GMWA         iam-role
secret_key     ****************obFC         iam-role
    region                eu-west-1              env    AWS_DEFAULT_REGION

0.3. バージョン確認

コマンド

aws --version

結果

aws-cli/1.10.66 Python/2.7.12 Linux/4.4.19-29.55.amzn1.x86_64 botocore/1.4.56

0.4. バージョンアップ（必要に応じて）

コマンド

sudo pip install -U awscli

0.5. 変数の確認

コマンド

cat << ETX

    ML_MODEL_ID: ${ML_MODEL_ID}

ETX

結果


    ML_MODEL_ID: ml-model-cli-************

1. リアルタイムエンドポイントの作成

1.1. エンドポイントの作成

変数の確認

コマンド

cat << ETX

    ML_MODEL_ID: ${ML_MODEL_ID}

ETX

結果


    ML_MODEL_ID: ml-model-cli-************

エンドポイントの作成

コマンド

aws machinelearning create-realtime-endpoint \
    --ml-model-id ${ML_MODEL_ID}

結果

{
    "MLModelId": "ml-model-cli-************",
    "RealtimeEndpointInfo": {
        "EndpointStatus": "UPDATING",
        "PeakRequestsPerSecond": 0,
        "CreatedAt": 1474615929.676,
        "EndpointUrl": "https://realtime.machinelearning.eu-west-1.amazonaws.com"
    }
}

エンドポイントURLの確認

コマンド

ENDPOINT_URL=$(aws machinelearning get-ml-model \
    --ml-model-id ${ML_MODEL_ID} \
    --query "EndpointInfo.EndpointUrl" \
    --output text) \
    && echo ${ENDPOINT_URL}

2. リアルタイム予測の実行

2.1. リクエストデータの生成

リクエストデータファイル名の指定

コマンド

RECORD_FILE="record.json"

リクエストデータの生成

リクエストデータは、サンプルデータを確認しながらお好みで編集してください。
説明変数を全て指定する必要はありません。

コマンド

cat << EOF > ${RECORD_FILE}
{
    "age": "44",
    "job": "technician",
    "marital": "single",
    "education": "high.school",
    "default": "no"
}
EOF

2.2. リアルタイム予測の実行

変数の確認

コマンド

cat << ETX

    ML_MODEL_ID: ${ML_MODEL_ID}
    RECORD_FILE: ${RECORD_FILE}
    ENDPOINT_URL: ${ENDPOINT_URL}

ETX

結果


    ML_MODEL_ID: ml-model-cli-************
    RECORD_FILE: record.json
    ENDPOINT_URL: https://realtime.machinelearning.eu-west-1.amazonaws.com

リアルタイム予測の実行

以下の通り、IAMのクレデンシャルが必要です。
Webサービスでリアルタイム予測を利用する場合には、AWS GatewayとLambdaのバックエンドで利用するもしくはCognitoを利用すると比較的実装しやすいと思います。

Amazon Machine Learning + AWS Lambda + API Gateway でリアルタイム予測APIを構築する

コマンド

aws machinelearning predict \
    --ml-model-id ${ML_MODEL_ID} \
    --record file://${RECORD_FILE} \
    --predict-endpoint ${ENDPOINT_URL}

結果

{
    "Prediction": {
        "predictedLabel": "0",
        "predictedScores": {
            "0": 0.24819324910640717
        },
        "details": {
            "PredictiveModelType": "BINARY",
            "Algorithm": "SGD"
        }
    }
}

補足

Management Consoleからリアルタイム予測を気軽に試すことができます。
詳細は、やっぱりDevelopers.IOで！

マネジメントコンソール上でAmazon Machine Learningのリアルタイム予測を試せるようになりました

以上です。