目標

前回のエントリーで作成した"あやめ"の分類モデルを使い、
外部から多項分類可能なAPIを作成します。

POSTデータをHTTPリクエストで送信し、JSON形式の分類データの取得を目指します。
※送信するPOSTデータの形式は以下となります。

{
  "sl" : "5.7",
  "sw" : "4.4",
  "pl" : "1.5",
  "pw" : "0.4"
}

構成

外部から AWS Machine Learning 機能を使用するためには、API Gateway、Lambda を経由する必要があるため、
環境としては以下のような構成となります。

ここから各々の機能のセットアップをしていきます。

Machine Learning

Machine Learning にアクセスするためのロールを作成

"セキュリティ & アイデンティティ" から "Identity & Access Management" を選択

"新しいロールの作成" を選択

任意のロール名を入力（ここでは"MachineLearningIrisRole"を入力）

"AWS Lambda" を選択

探しやすくするため "MachineLearning" でフィルターをかけ、
"AmazonMachineLearningRealTimePredictionOnlyAccess" にチェックを入れて次へ

内容を確認して、"ロールの作成" を選択

ML model を設定

前回のエントリで作成したモデルを選択

Summary から "Create endpoint" を選択
※エンドポイント生成後に表示されるエンドポイントのURLとこのモデルIDを控えておきます。

Lambda

"コンピューティング" から "Lambda" を選択します

"Create a Lambda function" を選択

"node-exec" を選択

"Next" を選択

Name: 任意の関数名を入力（ここでは"IrisCheck" と入力）
Description: 任意
Runtime : "Node.js 4.3" を指定

以下のコードを入力
※[使用するモデルID][使用する予測エンドポイント]には、先ほど控えた内容を入力

'use strict';
console.log('Loading event');

exports.handler = function(event, context) {

    // 入力パラメータログ出力
    console.log("sl = " + event.sl);
    console.log("sw = " + event.sw);  
    console.log("pl = " + event.pl);
    console.log("pw = " + event.pw);

    // AWS
    var aws = require('aws-sdk');
    aws.config.region = 'us-east-1';

    // MachineLearning
    var ml = new aws.MachineLearning();

    // パラメータ設定
    var params = {
        MLModelId: '[使用するモデルID]', 
        PredictEndpoint: '[使用する予測エンドポイント]', 
        Record: {
            "Sepal_length" : event.sl,
            "Sepal_width"  : event.sw,
            "Petal_length" : event.pl,
            "Petal_width"  : event.pw
        }
    };

    // 予測実行
    ml.predict(params, function(err, data) {
        if (err) {
            context.fail(err.stack);
        } else {
            context.succeed(data);
        }
    });

};