このセクションの他の記事
- サービスとは
- サービス管理画面
- 新規サービスを追加（学習）
- 新規サービスを追加（推論）
- 新規サービスを追加（プロジェクト管理）
- 新規サービスを追加（最適化）
- サービスの詳細と実行コードの作成（推論）
- サービスの詳細と実行コードの作成（学習）
- サービスの詳細と実行コードの作成（プロジェクト管理）
- サービスの詳細と実行コードの作成（最適化）
- サービスの編集
- サービス使用状況を表示
- APIの共通仕様
- APIの返り値（数値データ／文書データ（csv）の分類）
- APIの返り値（回帰）
- APIの返り値（画像の分類、ベクトル化、次元圧縮）
- APIの返り値（文書データ（zip/txt/pdf）の分類、ベク…
- APIの返り値（時系列解析）
- APIの返り値（学習）
- APIの返り値（最適化）
推論APIの返り値（数値データ／文書データ（csv）の分類）
数値データ、または文章を含む構造化データの分類問題を APIで推論した際のレスポンス（返り値）です。
出力される項目の解説は、推論結果の見方 をご覧ください。
＜補足＞「構造化データ」をごく簡単に説明すると、行と列で構成される整形されたデータのことです。データを列ごとに意味を持たせて格納するため「構造化」していると考えます。
本ページは、このようなデータをカンマ区切りのCSV（Comma Separated Value）形式で投入する場合の解説です。
■対象のレシピと投入データ／ファイル形式
＜レシピ＞
・AutoFlowの分類、またはブロックタイプ「分類」の中のいずれかを使っている
＜投入データ／ファイル形式＞
・数値データ／csvファイル
学習に使用する列、予測する列どちらも数値のデータ
・文章や単語など（＝自然言語）を含む文書データ／csvファイル
文章を分かち書きするなど自然言語処理を行ってから分類を行うAIモデルを想定しています。
非構造化データの zip, txt, pdfファイルを投入するケースとの違いは、構造化データのためデータセットのいずれかの列が正解ラベルである点です。
※非構造化データの zip, txt, pdfファイルを投入する場合のレスポンスは異なります。
■レスポンスのデータ形式
| 項目 | 値と説明 |
|---|---|
| MIMEタイプ | application/json |
| 文字コード | Unicode（UTF-8） |
■レスポンスの値
フィールドの出力順は実行環境によって異なります。
| フィールド_0 | フィールド_1 | 説明 |
|---|---|---|
| action | 固定値 “finishInferring” 推論の終了を意味する |
|
| inferenceType | 固定値 “classficationStructuredData” 推論のタイプが構造化データの分類であることを意味する |
|
| id | MatrixFlow内部で自動で付与する実行時の識別ID | |
| inputColumns | AIを作成する際に指定した「学習に使用する列名」（＝説明変数）：配列 | |
| predictionColumn | AIを作成する際に指定した「予測する列名」（＝目的変数） | |
| classes | 分類するクラスを示す値：配列 例）0, 1, 2 の3クラスに分類する場合 [0, 1, 2] |
|
| probability | true / false 次項 “list.クラス名_probability”が算出されるか否か |
|
| list | 投入したデータセットの行ごとに、以下4つの情報を繰り返し出力する | |
| “列名”: 入力した値 | 投入した値をカンマ区切りで列数分（列が3列あれば、3列分の列名とその値） MatrixFlowで推論を行ったときの、推論結果画面の右側に該当 推論結果画面は［学習に使用した列］と［その値］のみだが、ここには投入したすべての列を出力する |
|
| “予測する列名”: 予測結果 | 予測したクラス 予測結果は、”classes” のいずれかの値 行ごとの推論結果詳細画面の上部［推論結果］に該当 |
|
| “クラス名_probability”: 各クラスの信頼度 | 予測した分類クラスがそのクラスにどれだけ当てはまるか（1.0に近いほど当てはまりが良い） 推論結果詳細画面の［信頼度詳細］に該当 |
|
| “列名_importance”: 列の重要度 | “feature_importance.shap_values” の小数第四位を四捨五入した値 推論結果詳細画面の［推論結果に与えた影響度］に該当 |
|
| total | 予測した行数（＝投入した推論データの行数） | |
| feature_importance | shap_values | 各説明変数の重要度（行ごと）：配列 “list.列名_importance” と重複するが、投入したすべての行の四捨五入する前の値 前処理でOne-Hotエンコーディングやダミーコーディングを行って複数列になった列も1列に戻して計算される |
| x_test | 各説明変数の重要度の分布（行ごと）：配列 各列の実際の値 |
|
| input_columns | すべての説明変数の列名：配列 | |
| mean_shap | “列名”: 推論結果全体における列の重要度 | 推論結果全体に対する各説明変数の重要度：配列 推論結果画面の右上［重要度を表示］で確認できる値に該当 |