predict_crnn
学習済みの CRNN モデルを適用して予測を実行します。
実行方式は JSON-RPC v2.0 を利用します。
リクエスト例
CRNN モデルによる予測を実行するには、プロベナンス API の prov.process
のパラメータに method
として predict_crnn
を指定します。
JSON-RPC のリクエスト例は以下のとおりです。
{
"jsonrpc": "2.0",
"method": "prov.process",
"params": {
"method": "predict_crnn",
"params": {
"output_ddc": "ddc:result",
"model_ddc": "ddc:model",
"input_ddc": "ddc:test_data",
"start_datetime": "2020-07-20 00:00:00+09",
"end_datetime": "2020-07-24 23:59:59+09",
"train_period": "1 days",
"crnn_param_json": "{}",
"no_exec": true
},
},
"id": "provenance_jsonrpc_id"
}
パラメータ
train_crnn
に指定できるパラメータは以下のとおりです。
パラメータ名 | データ型 | 内容 | 既定値 |
---|---|---|---|
output_ddc |
string | 出力 ddc 名 | 必須 |
output_mode |
string | 出力モード (overwrite , append , または error ) |
error |
model_ddc |
string | モデル ddc 名 | 必須 |
input_ddc |
string | 入力 ddc 名 | 必須 |
start_datetime |
string | 予測開始日時 | 必須 |
end_datetime |
string | 予測終了日時 | 必須 |
train_period |
string | 予測に利用するデータ期間 | 必須 |
crnn_param_json |
string | CRNN パラメータ | 必須 |
no_exec |
boolean | 非同期実行とするか | false |
crnn_param_json
には、モデル学習時に指定したものと同じ内容を設定してください。
入力データ
model_ddc
に指定する ddc は以下のスキーマを持つ必要があります。
通常これは、CRNN モデル学習 (train_crnn
) が出力した ddc をそのまま指定してください。
カラム名 | 内容 | 備考 |
---|---|---|
data_table |
学習データのテーブル名 | ddc ではなく実テーブル名が記録されます |
meshcode |
測定地点 id | |
target_column |
予測対象カラム名 | |
prediction_time |
予測対象時刻 | |
crnn_param_json |
CRNN パラメータ | |
cnn_model_path |
CNN モデルファイル名 | |
lstm_model_path |
LSTM モデルファイル名 |
input_ddc
に指定する ddc は以下のスキーマを持つ必要があります。
カラム名 | 内容 | 備考 |
---|---|---|
start_datetime |
開始時刻 | イベントテーブルの必須カラム |
end_datetime |
終了時刻 | イベントテーブルの必須カラム |
(測定地点 id) | 測定地点を表す id | |
(属性 1) | 任意の属性値 (数値型) | |
(属性 2) | 任意の属性値 (数値型) | |
(...) | 任意の属性値 (数値型) |
出力データ
output_ddc
に出力される ddc のスキーマは以下のとおりです。
カラム名 | 内容 | 備考 |
---|---|---|
start_datetime |
開始時刻 | |
end_datetime |
終了時刻 | |
location |
位置情報 | |
value |
予測結果 | 分類の予測では 0, 1, ... の数値になります |
戻り値
出力 ddc 情報