Show Menu
トピック×

SDK開発者ガイド

モデルオーサリングSDKを使用すると、Data Science Workspaceで使用できるカスタムの機械学習レシピと機能パイプラインを開発でき、PySparkとSpark (Scala)で実装可能なテンプレートを提供します。 Adobe Experience Platform
このドキュメントは、モデルオーサリングSDK内の様々なクラスに関する情報を提供します。

DataLoader

DataLoaderクラスは、生の入力データの取得、フィルタリング、返信に関連するすべての要素をカプセル化します。 入力データの例としては、トレーニング、スコアリング、機能エンジニアリングなどがあります。 データローダは抽象クラスを拡張し、抽象メソッド DataLoader をオーバーライドする必要があり load ます。
PySpark
次の表は、PySpark Data Loaderクラスの抽象メソッドを説明しています。
方法と説明 パラメーター
load(self, configProperties, spark)
Pandas DataFrameとしてプラットフォームデータを読み込んで返す
  • self : 自己参照
  • configProperties : 設定プロパティのマップ
  • spark : Sparkセッション
Spark
次の表に、Spark Data Loaderクラスの抽象メソッドを示します。
方法と説明 パラメーター
load(configProperties, sparkSession)
プラットフォームデータをDataFrameとして読み込んで返す
  • configProperties : 設定プロパティのマップ
  • sparkSession : Sparkセッション

プラットフォームデータセットからのデータの読み込み

次の例では、プラットフォームデータをIDで取得し、DataFrameを返します。データセットID( datasetId )は設定ファイル内で定義されたプロパティです。
PySpark
# PySpark

from sdk.data_loader import DataLoader

class MyDataLoader(DataLoader):
    """
    Implementation of DataLoader which loads a DataFrame and prepares data
    """

    def load_dataset(config_properties, spark, task_id):

        PLATFORM_SDK_PQS_PACKAGE = "com.adobe.platform.query"
        PLATFORM_SDK_PQS_INTERACTIVE = "interactive"

        # prepare variables
        service_token = str(spark.sparkContext.getConf().get("ML_FRAMEWORK_IMS_ML_TOKEN"))
        user_token = str(spark.sparkContext.getConf().get("ML_FRAMEWORK_IMS_TOKEN"))
        org_id = str(spark.sparkContext.getConf().get("ML_FRAMEWORK_IMS_ORG_ID"))
        api_key = str(spark.sparkContext.getConf().get("ML_FRAMEWORK_IMS_CLIENT_ID"))

        dataset_id = str(config_properties.get(task_id))

        # validate variables
        for arg in ['service_token', 'user_token', 'org_id', 'dataset_id', 'api_key']:
            if eval(arg) == 'None':
                raise ValueError("%s is empty" % arg)

        # load dataset through Spark session

        query_options = get_query_options(spark.sparkContext)

        pd = spark.read.format(PLATFORM_SDK_PQS_PACKAGE) \
            .option(query_options.userToken(), user_token) \
            .option(query_options.serviceToken(), service_token) \
            .option(query_options.imsOrg(), org_id) \
            .option(query_options.apiKey(), api_key) \
            .option(query_options.mode(), PLATFORM_SDK_PQS_INTERACTIVE) \
            .option(query_options.datasetId(), dataset_id) \
            .load()
        pd.show()

        # return as DataFrame
        return pd

Spark (Scala)
// Spark

package com.adobe.platform.ml

import java.time.LocalDateTime

import com.adobe.platform.ml.config.ConfigProperties
import com.adobe.platform.query.QSOption
import org.apache.spark.ml.feature.StringIndexer
import org.apache.spark.sql.expressions.Window
import org.apache.spark.sql.functions._
import org.apache.spark.sql.types.{StructType, TimestampType}
import org.apache.spark.sql.{DataFrame, SparkSession}
import org.apache.spark.sql.Column

/**
 * Implementation of DataLoader which loads a DataFrame and prepares data
 */
class MyDataLoader extends DataLoader {

    final val PLATFORM_SDK_PQS_PACKAGE: String = "com.adobe.platform.query"
    final val PLATFORM_SDK_PQS_INTERACTIVE: String = "interactive"
    final val PLATFORM_SDK_PQS_BATCH: String = "batch"

    /**
    *
    * @param configProperties - Configuration Properties map
    * @param sparkSession     - SparkSession
    * @return                 - DataFrame which is loaded for training
    */


  def load_dataset(configProperties: ConfigProperties, sparkSession: SparkSession, taskId: String): DataFrame = {

    require(configProperties != null)
    require(sparkSession != null)

    // Read the configs
    val serviceToken: String = sparkSession.sparkContext.getConf.get("ML_FRAMEWORK_IMS_ML_TOKEN", "").toString
    val userToken: String = sparkSession.sparkContext.getConf.get("ML_FRAMEWORK_IMS_TOKEN", "").toString
    val orgId: String = sparkSession.sparkContext.getConf.get("ML_FRAMEWORK_IMS_ORG_ID", "").toString
    val apiKey: String = sparkSession.sparkContext.getConf.get("ML_FRAMEWORK_IMS_CLIENT_ID", "").toString

    val dataSetId: String = configProperties.get(taskId).getOrElse("")

    // Load the dataset
    var df = sparkSession.read.format(PLATFORM_SDK_PQS_PACKAGE)
      .option(QSOption.userToken, userToken)
      .option(QSOption.serviceToken, serviceToken)
      .option(QSOption.imsOrg, orgId)
      .option(QSOption.apiKey, apiKey)
      .option(QSOption.mode, PLATFORM_SDK_PQS_INTERACTIVE)
      .option(QSOption.datasetId, dataSetId)
      .load()
    df.show()
    df
    }
}

DataSaver

DataSaverクラスは、スコアリングや機能エンジニアリングの出力データなど、出力データの保存に関連するものをカプセル化します。 データ保存機能は抽象クラスを拡張し、抽象メソッド DataSaver をオーバーライドする必要があり save ます。
PySpark
次の表は、PySpark Data Saverクラスの抽象メソッドを説明しています。
方法と説明 パラメーター
save(self, configProperties, dataframe)
出力データをDataFrameとして受け取り、プラットフォームデータセットに格納する
  • self : 自己参照
  • configProperties : 設定プロパティのマップ
  • dataframe : DataFrameの形式で保存するデータ
Spark (Scala)
次の表に、Spark Data Saverクラスの抽象メソッドを示します。
方法と説明 パラメーター
save(configProperties, dataFrame)
出力データをDataFrameとして受け取り、プラットフォームデータセットに格納する
  • configProperties : 設定プロパティのマップ
  • dataFrame : DataFrameの形式で保存するデータ

プラットフォームデータセットへのデータの保存

データをプラットフォームデータセットに格納するには、次のいずれかのプロパティを指定するか、設定ファイルで定義する必要があります。
  • データの格納先となる有効なプラットフォームデータセットID
  • 組織に属するテナントID
次の例では、データ( prediction )をプラットフォームデータセットに格納します。データセットID( datasetId )とテナントID( tenantId )は、設定ファイル内で定義されたプロパティです。
PySpark
# PySpark

from sdk.data_saver import DataSaver
from pyspark.sql.types import StringType, TimestampType
from pyspark.sql.functions import col, lit, struct
from .helper import *


class MyDataSaver(DataSaver):
    """
    Implementation of DataSaver which stores a DataFrame to a Platform dataset
    """

    def save(self, config_properties, prediction):

        # Spark context
        sparkContext = prediction._sc

        # preliminary checks
        if config_properties is None:
            raise ValueError("config_properties parameter is null")
        if prediction is None:
            raise ValueError("prediction parameter is null")
        if sparkContext is None:
            raise ValueError("sparkContext parameter is null")
        
        PLATFORM_SDK_PQS_PACKAGE = "com.adobe.platform.query"

        # prepare variables
        scored_dataset_id = str(config_properties.get("scoringResultsDataSetId"))
        tenant_id = str(config_properties.get("tenant_id"))
        timestamp = "2019-01-01 00:00:00"

        service_token = str(sparkContext.getConf().get("ML_FRAMEWORK_IMS_ML_TOKEN"))
        user_token = str(sparkContext.getConf().get("ML_FRAMEWORK_IMS_TOKEN"))
        org_id = str(sparkContext.getConf().get("ML_FRAMEWORK_IMS_ORG_ID"))
        api_key = str(sparkContext.getConf().get("ML_FRAMEWORK_IMS_CLIENT_ID"))

        # validate variables
       for arg in ['service_token', 'user_token', 'org_id', 'scored_dataset_id', 'api_key', 'tenant_id']:
            if eval(arg) == 'None':
                raise ValueError("%s is empty" % arg)
        
        scored_df = prediction.withColumn("date", col("date").cast(StringType()))
        scored_df = scored_df.withColumn(tenant_id, struct(col("date"), col("store"), col("prediction")))
        scored_df = scored_df.withColumn("timestamp", lit(timestamp).cast(TimestampType()))
        scored_df = scored_df.withColumn("_id", lit("empty"))
        scored_df = scored_df.withColumn("eventType", lit("empty")

        # store data into dataset

        query_options = get_query_options(sparkContext)

        scored_df.select(tenant_id, "_id", "eventType", "timestamp").write.format(PLATFORM_SDK_PQS_PACKAGE) \
            .option(query_options.userToken(), user_token) \
            .option(query_options.serviceToken(), service_token) \
            .option(query_options.imsOrg(), org_id) \
            .option(query_options.apiKey(), api_key) \
            .option(query_options.datasetId(), scored_dataset_id) \
            .save()

Spark (Scala)
// Spark

package com.adobe.platform.ml

import com.adobe.platform.ml.config.ConfigProperties
import com.adobe.platform.ml.impl.Constants
import com.adobe.platform.ml.sdk.DataSaver
import com.adobe.platform.query.QSOption
import org.apache.spark.sql.DataFrame
import org.apache.spark.sql.functions._
import org.apache.spark.sql.types.TimestampType

/**
 * Implementation of DataSaver which stores a DataFrame to a Platform dataset
 */

class ScoringDataSaver extends DataSaver {

  final val PLATFORM_SDK_PQS_PACKAGE: String = "com.adobe.platform.query"
  final val PLATFORM_SDK_PQS_BATCH: String = "batch"

  /**
    * Method that saves the scoring data into a dataframe
    * @param configProperties  - Configuration Properties map
    * @param dataFrame         - Dataframe with the scoring results
    */
    
  override def save(configProperties: ConfigProperties, dataFrame: DataFrame): Unit =  {

    require(configProperties != null)
    require(dataFrame != null)

    val predictionColumn = configProperties.get(Constants.PREDICTION_COL).getOrElse(Constants.DEFAULT_PREDICTION)
    val sparkSession = dataFrame.sparkSession

    val serviceToken: String = sparkSession.sparkContext.getConf.get("ML_FRAMEWORK_IMS_ML_TOKEN", "").toString
    val userToken: String = sparkSession.sparkContext.getConf.get("ML_FRAMEWORK_IMS_TOKEN", "").toString
    val orgId: String = sparkSession.sparkContext.getConf.get("ML_FRAMEWORK_IMS_ORG_ID", "").toString
    val apiKey: String = sparkSession.sparkContext.getConf.get("ML_FRAMEWORK_IMS_CLIENT_ID", "").toString
    val tenantId:String = configProperties.get("tenantId").getOrElse("")
    val timestamp:String = "2019-01-01 00:00:00"

    val scoringResultsDataSetId: String = configProperties.get("scoringResultsDataSetId").getOrElse("")
    import sparkSession.implicits._

    var df = dataFrame.withColumn("date", $"date".cast("String"))

    var scored_df  = df.withColumn(tenantId, struct(df("date"), df("store"), df(predictionColumn)))
    scored_df = scored_df.withColumn("timestamp", lit(timestamp).cast(TimestampType))
    scored_df = scored_df.withColumn("_id", lit("empty"))
    scored_df = scored_df.withColumn("eventType", lit("empty"))

    scored_df.select(tenantId, "_id", "eventType", "timestamp").write.format(PLATFORM_SDK_PQS_PACKAGE)
      .option(QSOption.userToken, userToken)
      .option(QSOption.serviceToken, serviceToken)
      .option(QSOption.imsOrg, orgId)
      .option(QSOption.apiKey, apiKey)
      .option(QSOption.datasetId, scoringResultsDataSetId)
      .save()
    }
}

DatasetTransformer

DatasetTransformerクラスは、データセットの構造を変更および変換します。 Senesie Machine Learning Runtimeは、このコンポーネントを定義する必要はなく、必要に応じて実装します。
フィーチャパイプラインに関しては、データセット変圧器をフィーチャパイプラインファクトリと共に使用して、フィーチャエンジニアリング用のデータを準備できます。
PySpark
次の表に、PySparkデータセットトランスフォームクラスのクラスメソッドを示します。
方法と説明 パラメーター
abstract transform(self, configProperties, dataset)
データセットを入力として受け取り、新しい派生データセットを出力します。
  • self : 自己参照
  • configProperties : 設定プロパティのマップ
  • dataset : 変換用の入力データセット
Spark (Scala)
次の表に、Sparkデータセットトランスフォームクラスの抽象メソッドを示します。
方法と説明 パラメーター
transform(configProperties, dataset)
データセットを入力として受け取り、新しい派生データセットを出力します。
  • configProperties : 設定プロパティのマップ
  • dataset : 変換用の入力データセット

FeaturePipelineFactory

FeaturePipelineFactoryクラスには、フィーチャ抽出アルゴリズムが含まれており、フィーチャパイプラインのステージを開始から終了まで定義します。
PySpark
次の表に、PySpark FeaturePipelineFactoryのクラスメソッドを示します。
方法と説明 パラメーター
abstract create_pipeline(self, configProperties)
一連のSpark変圧器を含むSparkパイプラインを作成して返す
  • self : 自己参照
  • configProperties : 設定プロパティのマップ
abstract get_param_map(self, configProperties, sparkSession)
設定プロパティからパラメーターマップを取得して返す
  • self : 自己参照
  • configProperties : 設定プロパティ
  • sparkSession : Sparkセッション
Spark (Scala)
次の表に、Spark FeaturePipelineFactoryのクラスメソッドを示します。
方法と説明 パラメーター
abstract createPipeline(configProperties)
一連の変圧器を含むパイプラインを作成して返す
  • configProperties : 設定プロパティのマップ
abstract getParamMap(configProperties, sparkSession)
設定プロパティからパラメーターマップを取得して返す
  • configProperties : 設定プロパティ
  • sparkSession : Sparkセッション

PipelineFactory

PipelineFactoryクラスには、モデルトレーニングとスコアリングのメソッドと定義がカプセル化されています。トレーニングロジックとアルゴリズムは、Sparkパイプラインの形式で定義されます。
PySpark
次の表に、PySpark PipelineFactoryのクラスメソッドを示します。
方法と説明 パラメーター
abstract apply(self, configProperties)
モデルトレーニングとスコアリングのロジックとアルゴリズムを含むSparkパイプラインの作成と返却
  • self : 自己参照
  • configProperties : 設定プロパティ
abstract train(self, configProperties, dataframe)
モデルをトレーニングするロジックとアルゴリズムを含むカスタムパイプラインを返します。 Sparkパイプラインを使用する場合は、このメソッドは不要です
  • self : 自己参照
  • configProperties : 設定プロパティ
  • dataframe : トレーニング入力用の機能データセット
abstract score(self, configProperties, dataframe, model)
トレーニングを受けたモデルを使用したスコア付けと結果の返却
  • self : 自己参照
  • configProperties : 設定プロパティ
  • dataframe : スコアリング用の入力データセット
  • model : スコアリングに使用されるトレーニングを受けたモデル
abstract get_param_map(self, configProperties, sparkSession)
設定プロパティからパラメーターマップを取得して返す
  • self : 自己参照
  • configProperties : 設定プロパティ
  • sparkSession : Sparkセッション
Spark (Scala)
次の表に、Spark PipelineFactoryのクラスメソッドを示します。
方法と説明 パラメーター
abstract apply(configProperties)
モデルトレーニングとスコアリングのロジックとアルゴリズムを含むパイプラインの作成と返却
  • configProperties : 設定プロパティ
abstract getParamMap(configProperties, sparkSession)
設定プロパティからパラメーターマップを取得して返す
  • configProperties : 設定プロパティ
  • sparkSession : Sparkセッション

MLEvaluator

MLEvaluatorクラスは、評価指標を定義し、トレーニングおよびテストデータセットを決定するメソッドを提供します。
PySpark
次の表は、PySpark MLEvaluatorのクラスメソッドを説明しています。
方法と説明 パラメーター
abstract split(self, configProperties, dataframe)
入力データセットをトレーニングサブセットとテストサブセットに分割します。
  • self : 自己参照
  • configProperties : 設定プロパティ
  • dataframe : 分割する入力データセット
abstract evaluate(self, dataframe, model, configProperties)
トレーニングを受けたモデルを評価し、評価結果を返す
  • self : 自己参照
  • dataframe : トレーニングデータとテストデータから成るDataFrame
  • model : 訓練を受けたモデル
  • configProperties : 設定プロパティ
Spark (Scala)
次の表に、Spark MLEvaluatorのクラスメソッドを示します。
方法と説明 パラメーター
abstract split(configProperties, data)
入力データセットをトレーニングサブセットとテストサブセットに分割します。
  • configProperties : 設定プロパティ
  • data : 分割する入力データセット
abstract evaluate(configProperties, model, data)
トレーニングを受けたモデルを評価し、評価結果を返す
  • configProperties : 設定プロパティ
  • model : 訓練を受けたモデル
  • data : トレーニングデータとテストデータから成るDataFrame