1.学习准备
1.1.定义学习主题| Name | Type | URL | JsonParam | QueryParam |
|---|---|---|---|---|
|
01105004 |
post | |||
追加机器学习的主题。 (language=0:English, 1:Japanese, 2:Other; partOfSpeech: 名词,形容词,动词,副词,连体词,助词,助动词,接头词,接续词,记号 等,仅对日文的文本分类有效) (trainType=1:Naivebayes文本分类, 2:线性回归, 3:逻辑回归, 4:时间序列AR, 5:时间序列MA, 6:时间序列ARMA, 7:时间序列ARIMA) 可以同时登录学习主题的项目信息(可多项)。 - 文本分类的场合，需要设定category，同一个category也可以登录多个项目信息。 - 线性回归的场合，至少需要登录2个数值项目的trainText，trainText里的各个数值用空格分割，各个项目trainText里的数值个数需要保持一致，最后一个项目的trainText里保存实测值。 - 逻辑回归的场合，也至少需要登录2个项目的trainText，最后一个项目的trainText里保存分类，可以是字符串，trainText的各个数值或字符串用空格分割，各个项目trainText里的数值或字符串个数需要保持一致。 - 时间序列回归预测的场合，仅需要登录一个项目的trainText，trainText里的各个数值用空格分割。 若成功返回，请记录下返回的trainKey和resultKey。 |
||||
|
01105005 |
put | |||
更新现有的学习主题。 (language=0:English, 1:Japanese, 2:Other; partOfSpeech: 名词,形容词,动词,副词,连体词,助词,助动词,接头词,接续词,记号 等,仅对日文的文本分类有效) (trainType=1:Naivebayes文本分类, 2:线性回归, 3:逻辑回归, 4:时间序列AR, 5:时间序列MA, 6:时间序列ARMA, 7:时间序列ARIMA) 可以同时登录学习主题的项目信息(可多项)。 - 文本分类的场合，需要设定category，同一个category也可以登录多个项目信息。 - 线性回归的场合，至少需要登录2个数值项目的trainText，trainText里的各个数值用空格分割，各个项目trainText里的数值个数需要保持一致，最后一个项目的trainText里保存实测值。 - 逻辑回归的场合，也至少需要登录2个项目的trainText，最后一个项目的trainText里保存分类，可以是字符串，trainText的各个数值或字符串用空格分割，各个项目trainText里的数值或字符串个数需要保持一致。 - 时间序列回归预测的场合，仅需要登录一个项目的trainText，trainText里的各个数值用空格分割。 |
||||
|
01105003 |
get | |||
取得指定的学习主题属性信息(包括resultKey)。 |
||||
|
01105006 |
delete | |||
删除现有的学习主题。 |
||||
|
01105007 |
put | |||
设定学习主题的状态。(StatusId=0:未生效; 1:有效; 2:伦理删除) 重要： 在执行下面的学习、解析或预测处理之前，需要预先在这里设定为《1:有效》。 |
||||
1.2.投入学习数据
| Name | Type | URL | JsonParam | QueryParam |
|---|---|---|---|---|
|
01106004 |
post | |||
追加指定学习主题的项目信息(可多项)。 - 文本分类的场合，需要设定category，同一个category也可以登录多个项目信息。 - 线性回归的场合，至少需要登录2个数值项目的trainText，trainText里的各个数值用空格分割，各个项目trainText里的数值个数需要保持一致，最后一个项目的trainText里保存实测值。 - 逻辑回归的场合，也至少需要登录2个项目的trainText，最后一个项目的trainText里保存分类，可以是字符串，trainText的各个数值或字符串用空格分割，各个项目trainText里的数值或字符串个数需要保持一致。 - 时间序列回归预测的场合，仅需要登录一个项目的trainText，trainText里的各个数值用空格分割。 |
||||
|
01106005 |
put | |||
更新指定学习主题的项目信息(可多项)。 - 文本分类的场合，需要设定category，同一个category也可以登录多个项目信息。 - 线性回归的场合，至少需要登录2个数值项目的trainText，trainText里的各个数值用空格分割，各个项目trainText里的数值个数需要保持一致，最后一个项目的trainText里保存实测值。 - 逻辑回归的场合，也至少需要登录2个项目的trainText，最后一个项目的trainText里保存分类，可以是字符串，trainText的各个数值或字符串用空格分割，各个项目trainText里的数值或字符串个数需要保持一致。 - 时间序列回归预测的场合，仅需要登录一个项目的trainText，trainText里的各个数值用空格分割。 |
||||
|
01106001 |
get | |||
取得指定学习主题的项目一览。 |
||||
|
01106002 |
get | |||
取得指定学习主题的项目一览CSV。 |
||||
|
01106003 |
get | |||
取得指定学习主题的项目信息。 |
||||
|
01106006 |
delete | |||
删除指定学习主题的项目信息(可以指定多个项目编号)。 |
||||
2.学习处理(生成分类预测模型)
| Name | Type | URL | JsonParam | QueryParam |
|---|---|---|---|---|
|
01105008 |
get | |||
根据学习项目里预先导入的学习文本数据集，生成Naive Bayes(朴素贝叶斯)分类模型。根据学习项目的数量，有些场合的处理时间或许稍长。 |
||||
|
01105010 |
get | |||
根据学习项目里预先导入的学习数据集(空格分隔的数值文字列)，生成对应的线性单回归或重回归模型。返回的学习结果一览的最后一行的决定系数(Score)值如果接近于1，将会得到较好的预测结果。 (learnCount: 学习回数 learnRate: 学习增分比率 interval: 学习误差返回间隔) |
||||
|
01105012 |
post | |||
根据学习项目里预先导入的学习数据集(空格分隔的数值文字列)，生成对应的逻辑回归分类模型。这里的测试用json输入是可选项，已经投入的学习数据集的一部分可以作为测试数据使用。 返回的学习结果一览的最后一行的精度系数(Score)值如果接近于1，将会得到较好的计算精度。 (testPercent: 已经投入的学习数据集中测试用数据的比例 learnCount: 学习回数 learnRate: 学习增分比率 interval: 学习误差返回间隔) |
||||
|
01105014 |
get | |||
根据学习项目里预先导入的学习数据集(空格分隔的数值文字列)，生成对应的自回归AR模型。返回的学习结果一览的最后一行的决定系数(Score)值如果接近于1，将会得到较好的预测结果。 (learnCount: 学习回数 learnRate: 学习增分比率 interval: 学习误差返回间隔; pOrder: 自回归的回数) |
||||
|
01105016 |
get | |||
根据学习项目里预先导入的学习数据集(空格分隔的数值文字列)，生成对应的移动平均MA模型。返回的学习结果一览的最后一行的决定系数(Score)值如果接近于1，将会得到较好的预测结果。 (learnCount: 学习回数 learnRate: 学习增分比率 interval: 学习误差返回间隔; qOrder: 移动平均回数) |
||||
|
01105018 |
get | |||
根据学习项目里预先导入的学习数据集(空格分隔的数值文字列)，生成对应的自回归移动平均ARMA模型。返回的学习结果一览的最后一行的决定系数(Score)值如果接近于1，将会得到较好的预测结果。 (learnCount: 学习回数 learnRate: 学习增分比率 interval: 学习误差返回间隔; pOrder: 自回归的回数; qOrder: 移动平均回数) |
||||
|
01105020 |
get | |||
根据学习项目里预先导入的学习数据集(空格分隔的数值文字列)，生成对应的自回归差分移动平均ARIMA模型。返回的学习结果一览的最后一行的决定系数(Score)值如果接近于1，将会得到较好的预测结果。 (learnCount: 学习回数 learnRate: 学习增分比率 interval: 学习误差返回间隔; pOrder: 自回归的回数; dOrder: 差分阶数; qOrder: 移动平均回数) |
||||
3.取得分类预测结果
| Name | Type | URL | JsonParam | QueryParam |
|---|---|---|---|---|
|
01105009 |
post | |||
赋予文本信息，取得Naive Bayes(朴素贝叶斯)分类模型的解析结果。根据学习项目的数量，有些场合的处理时间或许稍长。 |
||||
|
01105011 |
post | |||
根据生成的线性单回归或重回归模型执行预测处理，返回预测结果。 |
||||
|
01105013 |
post | |||
根据生成的逻辑回归模型执行分类处理，返回分类概率结果。 |
||||
|
01105015 |
get | |||
根据生成的自回归AR模型执行预测处理，返回预测结果。 (outStartNo: 预测结果返回值的开始序号; outEndNo: 预测结果返回值的结束序号; cycleStartNo: 原始学习序列的周期开始序号; cyclePeriod:原始学习序列的周期) |
||||
|
01105017 |
get | |||
根据生成的移动平均MA模型执行预测处理，返回预测结果。 (outStartNo: 预测结果返回值的开始序号; outEndNo: 预测结果返回值的结束序号; cycleStartNo: 原始学习序列的周期开始序号; cyclePeriod:原始学习序列的周期) |
||||
|
01105019 |
get | |||
根据生成的自回归移动平均ARMA模型执行预测处理，返回预测结果。 (outStartNo: 预测结果返回值的开始序号; outEndNo: 预测结果返回值的结束序号; cycleStartNo: 原始学习序列的周期开始序号; cyclePeriod:原始学习序列的周期) |
||||
|
01105021 |
get | |||
根据生成的自回归差分移动平均ARIMA模型执行预测处理，返回预测结果。 (outStartNo: 预测结果返回值的开始序号; outEndNo: 预测结果返回值的结束序号; cycleStartNo: 原始学习序列的周期开始序号; cyclePeriod:原始学习序列的周期) |
||||
统计计算工具
| Name | Type | URL | JsonParam | QueryParam |
|---|---|---|---|---|
|
01301008 |
post | |||
返回平均、几何平均、平方平均、中间值、最频值、最小值、最大值、合计、计数、分散、母分散、标准偏差、总偏差、共分散、总相关系数、偏差矩阵、共分散矩阵、pearsons相关矩阵、spearmans相关矩阵、kendalls相关矩阵等统计结果。如果要进行线性回归学习，建议说明变量和目的变量的相关系数要达到0.7以上。 |
||||
|
01301009 |
post | |||
返回平均、几何平均、平方平均、中间值、最频值、最小值、最大值、合计、计数、分散、母分散、标准偏差、对数转换、对数差分转换、比率转换、Logit转换、移动平均、移动中央、白色噪音、n阶差分、自己共分散、自己相关系数、偏自己共分散、偏自己相关系数的统计值。 (moveInterval:移动平均、中央的计算区间; convertMode:转换模式(0:original,1:Diff,2:Log,3:LogDiff,4:Ratio,5:Logit); smoothMode:平滑模式(0:no,1:MoveAverage,2:MoveMedian); diffOrder:差分阶数) |
||||