如何使用機器學習 Studio （傳統） Web 服務

發行項
05/29/2020

適用於： 這是複選標記，這表示本文適用於機器學習 Studio（傳統版）。機器學習 Studio（傳統版）這是 X，這表示本文適用於 Azure 機器學習。 Azure 機器學習

重要

Machine Learning 工作室 (傳統) 的支援將於 2024 年 8 月 31 日結束。建議您在該日期之前轉換成 Azure Machine Learning。

自 2021 年 12 月 1 日起，您將無法建立新的 Machine Learning 工作室 (傳統) 資源。在 2024 年 8 月 31 日之前，您可以繼續使用現有的 Machine Learning 工作室 (傳統) 資源。

請參閱將機器學習專案從 ML 工作室 (傳統) 移至 Azure Machine Learning 的相關資訊。
深入了解 Azure Machine Learning

ML 工作室 (傳統) 文件即將淘汰，未來將不再更新。

一旦您將機器學習 Studio （傳統）預測模型部署為 Web 服務之後，您就可以使用 REST API 來傳送數據並取得預測。您可以即時或批次模式傳送數據。

如需如何使用機器學習 Studio 建立及部署機器學習 Web 服務的詳細資訊，請參閱：

如需如何在機器學習 Studio 中建立實驗的教學課程（傳統版），請參閱建立您的第一個實驗。
如需如何部署 Web 服務的詳細資訊，請參閱部署機器學習 Web 服務。
如需一般機器學習的詳細資訊，請流覽機器學習檔中心。

概觀

使用機器學習 Web 服務，外部應用程式會即時與機器學習工作流程評分模型通訊。機器學習 Web 服務呼叫會將預測結果傳回給外部應用程式。若要進行機器學習 Web 服務呼叫，您可以傳遞部署預測時所建立的 API 金鑰。機器學習 Web 服務是以 REST 為基礎，這是 Web 程式設計專案的熱門架構選擇。

機器學習 Studio（傳統版）有兩種類型的服務：

要求回應服務（RRS） – 低延遲、高度可調整的服務，可提供從機器學習 Studio 建立和部署之無狀態模型的介面（傳統版）。
批次執行服務（BES） – 為數據記錄評分批次的異步服務。

如需機器學習Web服務的詳細資訊，請參閱部署機器學習Web服務。

取得授權金鑰

當您部署實驗時，會為 Web 服務產生 API 金鑰。您可以從數個位置擷取金鑰。

從機器學習 Web 服務入口網站

登入機器學習 Web 服務入口網站。

若要擷取新機器學習 Web 服務的 API 金鑰：

在機器學習 Web 服務入口網站中，單擊頂端功能表的 [Web 服務]。
按兩下您要擷取金鑰的 Web 服務。
在頂端功能表上，按兩下 [ 取用]。
複製並儲存主鍵。

若要擷取傳統機器學習 Web 服務的 API 金鑰：

在 Azure 機器學習 Web 服務入口網站中，單擊頂端功能表的傳統 Web 服務。
按兩下您正在使用的 Web 服務。
按兩下您要擷取金鑰的端點。
在頂端功能表上，按兩下 [ 取用]。
複製並儲存主鍵。

傳統 Web 服務

您也可以從機器學習 Studio （classic）擷取傳統 Web 服務的金鑰。

Machine Learning Studio (傳統)

在機器學習 Studio 中（傳統版），按兩下左側的 [WEB 服務]。
按兩下Web服務。 API 金鑰位於 [儀錶板] 索引標籤上。

聯機到機器學習 Web 服務

您可以使用任何支援 HTTP 要求和回應的程式設計語言，連線到機器學習 Web 服務。您可以從機器學習 Web 服務說明頁面檢視 C#、Python 和 R 中的範例。

當您部署 Web 服務時，機器學習 API 說明 機器學習建立 API 說明。請參閱教學課程 3：部署信用風險模型。機器學習 API 說明包含預測 Web 服務的詳細數據。

按兩下您正在使用的 Web 服務。
按兩下您要檢視 API 說明頁面的端點。
在頂端功能表上，按兩下 [ 取用]。
按兩下 [要求-回應] 或 [批次執行端點] 底下的 [API 說明] 頁面 。

若要檢視新 Web 服務的機器學習 API 說明

在機器學習 Web 服務入口網站中：

點擊頂 端選單上的 [WEB 服務 ]。
按兩下您要擷取金鑰的 Web 服務。

單擊 [使用 Web 服務 ] 取得 C#、R 和 Python 中要求回應和批次執行服務和範例程式代碼的 URI。

按兩下 [Swagger API ] 以取得從提供的 URI 呼叫之 API 的 Swagger 型檔。

C# 範例

若要連線到機器學習 Web 服務，請使用 HttpClient 傳遞 ScoreData。 ScoreData 包含 FeatureVector，這是代表 ScoreData 之數值特徵的 n 維向量。您可以使用 API 金鑰向機器學習服務進行驗證。

若要連線到機器學習 Web 服務，必須安裝 Microsoft.AspNet.WebApi.Client NuGet 套件。

在 Visual Studio 中安裝 Microsoft.AspNet.WebApi.Client NuGet

從UCI發佈下載數據集：成人 2 類別數據集Web服務。
按一下 [工具]>[NuGet 套件管理員]>[套件管理員主控台]。
選擇 [Install-Package Microsoft.AspNet.WebApi.Client]。

執行程式代碼範例

發佈「範例 1：從 UCI：成人 2 類別數據集下載數據集」實驗，這是機器學習範例集合的一部分。
使用 Web 服務的金鑰指派 apiKey。請參閱 上述取得授權金鑰 。
使用要求 URI 指派 serviceUri。

以下是完整要求的外觀。

using System;
using System.Collections.Generic;
using System.IO;
using System.Net.Http;
using System.Net.Http.Formatting;
using System.Net.Http.Headers;
using System.Text;
using System.Threading.Tasks;

namespace CallRequestResponseService
{
    class Program
    {
        static void Main(string[] args)
        {
            InvokeRequestResponseService().Wait();
        }

        static async Task InvokeRequestResponseService()
        {
            using (var client = new HttpClient())
            {
                var scoreRequest = new
                {
                    Inputs = new Dictionary<string, List<Dictionary<string, string>>> () {
                        {
                            "input1",
                            // Replace columns labels with those used in your dataset
                            new List<Dictionary<string, string>>(){new Dictionary<string, string>(){
                                    {
                                        "column1", "value1"
                                    },
                                    {
                                        "column2", "value2"
                                    },
                                    {
                                        "column3", "value3"
                                    }
                                }
                            }
                        },
                    },
                    GlobalParameters = new Dictionary<string, string>() {}
                };

                // Replace these values with your API key and URI found on https://services.azureml.net/
                const string apiKey = "<your-api-key>"; 
                const string apiUri = "<your-api-uri>";
                
                client.DefaultRequestHeaders.Authorization = new AuthenticationHeaderValue( "Bearer", apiKey);
                client.BaseAddress = new Uri(apiUri);

                // WARNING: The 'await' statement below can result in a deadlock
                // if you are calling this code from the UI thread of an ASP.NET application.
                // One way to address this would be to call ConfigureAwait(false)
                // so that the execution does not attempt to resume on the original context.
                // For instance, replace code such as:
                //      result = await DoSomeTask()
                // with the following:
                //      result = await DoSomeTask().ConfigureAwait(false)

                HttpResponseMessage response = await client.PostAsJsonAsync("", scoreRequest);

                if (response.IsSuccessStatusCode)
                {
                    string result = await response.Content.ReadAsStringAsync();
                    Console.WriteLine("Result: {0}", result);
                }
                else
                {
                    Console.WriteLine(string.Format("The request failed with status code: {0}", response.StatusCode));

                    // Print the headers - they include the request ID and the timestamp,
                    // which are useful for debugging the failure
                    Console.WriteLine(response.Headers.ToString());

                    string responseContent = await response.Content.ReadAsStringAsync();
                    Console.WriteLine(responseContent);
                }
            }
        }
    }
}

Python 範例

若要連線到機器學習 Web 服務，請使用適用於 Python 2.X 的 urllib2 連結庫和適用於 Python 3.X 的 urllib.request 連結庫。您將傳遞 ScoreData，其中包含 FeatureVector，這是代表 ScoreData 之數值特徵的 n 維向量。您可以使用 API 金鑰向機器學習服務進行驗證。

執行程式代碼範例

部署「範例 1：從 UCI：成人 2 類別數據集下載數據集」實驗，這是機器學習範例集合的一部分。
使用 Web 服務的金鑰指派 apiKey。 請參閱本文開頭附近的取得授權金鑰一節。
使用要求 URI 指派 serviceUri。

以下是完整要求的外觀。

import urllib2 # urllib.request and urllib.error for Python 3.X
import json

data = {
    "Inputs": {
        "input1":
        [
            {
                'column1': "value1",   
                'column2': "value2",   
                'column3': "value3"
            }
        ],
    },
    "GlobalParameters":  {}
}

body = str.encode(json.dumps(data))

# Replace this with the URI and API Key for your web service
url = '<your-api-uri>'
api_key = '<your-api-key>'
headers = {'Content-Type':'application/json', 'Authorization':('Bearer '+ api_key)}

# "urllib.request.Request(url, body, headers)" for Python 3.X
req = urllib2.Request(url, body, headers)

try:
    # "urllib.request.urlopen(req)" for Python 3.X
    response = urllib2.urlopen(req)

    result = response.read()
    print(result)
# "urllib.error.HTTPError as error" for Python 3.X
except urllib2.HTTPError, error: 
    print("The request failed with status code: " + str(error.code))

    # Print the headers - they include the request ID and the timestamp, which are useful for debugging the failure
    print(error.info())
    print(json.loads(error.read()))

R 範例

若要連線到機器學習 Web 服務，請使用 RCurl 和 rjson 連結庫提出要求並處理傳回的 JSON 回應。您將傳遞 ScoreData，其中包含 FeatureVector，這是代表 ScoreData 之數值特徵的 n 維向量。您可以使用 API 金鑰向機器學習服務進行驗證。

以下是完整要求的外觀。

library("curl")
library("httr")
library("rjson")

requestFailed = function(response) {
    return (response$status_code >= 400)
}

printHttpResult = function(response, result) {
    if (requestFailed(response)) {
        print(paste("The request failed with status code:", response$status_code, sep=" "))
    
        # Print the headers - they include the request ID and the timestamp, which are useful for debugging the failure
        print(response$headers)
    }
    
    print("Result:") 
    print(fromJSON(result))  
}

req = list(
        Inputs = list( 
            "input1" = list(
                "ColumnNames" = list("Col1", "Col2", "Col3"),
                "Values" = list( list( "0", "value", "0" ),  list( "0", "value", "0" )  )
            )                ),
        GlobalParameters = setNames(fromJSON('{}'), character(0))
)

body = enc2utf8(toJSON(req))
api_key = "abc123" # Replace this with the API key for the web service
authz_hdr = paste('Bearer', api_key, sep=' ')

response = POST(url= "<your-api-uri>",
        add_headers("Content-Type" = "application/json", "Authorization" = authz_hdr),
        body = body)

result = content(response, type="text", encoding="UTF-8")

printHttpResult(response, result)

JavaScript 範例

若要連線到機器學習 Web 服務，請在專案中使用要求 npm 套件。您也會使用 JSON 物件來格式化輸入並剖析結果。使用 npm install request --save安裝，或將新增 "request": "*" 至您的package.json， dependencies 然後執行 npm install。

以下是完整要求的外觀。

let req = require("request");

const uri = "<your-api-uri>";
const apiKey = "<your-api-key>";

let data = {
    "Inputs": {
        "input1":
        [
            {
                'column1': "value1",
                'column2': "value2",
                'column3': "value3"
            }
        ],
    },
    "GlobalParameters": {}
}

const options = {
    uri: uri,
    method: "POST",
    headers: {
        "Content-Type": "application/json",
        "Authorization": "Bearer " + apiKey,
    },
    body: JSON.stringify(data)
}

req(options, (err, res, body) => {
    if (!err && res.statusCode == 200) {
        console.log(body);
    } else {
        console.log("The request failed with status code: " + res.statusCode);
    }
});

共用方式為

如何使用機器學習 Studio （傳統） Web 服務

概觀

取得授權金鑰

從機器學習 Web 服務入口網站

傳統 Web 服務

Machine Learning Studio (傳統)

聯機到機器學習 Web 服務

C# 範例

Python 範例

R 範例

JavaScript 範例

其他資源

共用方式為

如何使用 機器學習 Studio （傳統） Web 服務

概觀

取得授權金鑰

從 機器學習 Web 服務入口網站

傳統 Web 服務

Machine Learning Studio (傳統)

聯機到 機器學習 Web 服務

C# 範例

Python 範例

R 範例

JavaScript 範例

其他資源

如何使用機器學習 Studio （傳統） Web 服務

從機器學習 Web 服務入口網站

聯機到機器學習 Web 服務