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