仕上げ、買取価格を予測するアプリに仕上げる

2017.02.13

投稿者: 小甲健

さて今回は、Azure Machine Learningで作成した価格予測モデルをウェブサービスに変換し、Pythonプログラムから呼び出してLinebotを完成させます。

（１）最初に、Azure Machine Learning Studioから作成済みのExperimentを開きます。

SET UP WEB SERVICEから「Update Predictive Experiment」を選び、ウェブサービス用の実験を自動生成します。

（２）生成されたPredictive Experimentから、「Deploy Web Service」をクリックします。

（３）Webサービスの画面にAPI Keyが表示されるので、コピーして、queryML.pyの該当箇所に貼り付けます。

（４）また、REQUEST/RESPONSEリンクをクリックした先のページにURLが表示されるので、同様のqueryML.pyの該当箇所に貼り付けます。

こうして作成した、価格予測モデルの呼び出しPythonプログラムがこちらです。

def query(params):
　　””” Fetch data from Azure Machine Learning “””
　　　　payload = {
　　　　　　”Inputs”: {
　　　　　　　　”input1″: {
　　　　　　　　　　”ColumnNames”: [
　　　　　　　　　　　　”ID”,
　　　　　　　　　　　　”メーカー”,
　　　　　　　　　　　　”モデル”,
　　　　　　　　　　　　”価格”,
　　　　　　　　　　　　”走行距離”,
　　　　　　　　　　　　”年式”,
　　　　　　　　　　　　”色”,
　　　　　　　　　　　　”写真”
　　　　　　　　　　],
　　　　　　　　”Values”: [
　　　　　　　　　　[
　　　　　　　　　　　　”id”,
　　　　　　　　　　　　”maker”,
　　　　　　　　　　　　params[‘model’],
　　　　　　　　　　　　”0″,
　　　　　　　　　　　　params[‘odd’],
　　　　　　　　　　　　params[‘year’],
　　　　　　　　　　　　params[‘color’],
　　　　　　　　　　　　”photo”
　　　　　　　　　　]
　　　　　　　　]
　　　　　　}
　　　　},
　　　　”GlobalParameters”: {}
　　}
　　”””
　　data = {
　　　　”Inputs”: {
　　　　　　”input1″:{
　　　　　　　　　　”ColumnNames”: [“ID”, “メーカー”, “モデル”, “価格”, “走行距離”, “年式”, “色”, “写真”],
　　　　　　　　　　”Values”: [ [ “value”, “value”, “value”, “0”, “0”, “0”, “value”, “value” ], [ “value”, “value”, “value”, “0”, “0”, “0”, “value”, “value” ], ]
　　　　　　},
　　　　 },
　　　　”GlobalParameters”: {
　　　　}
　　}
“””
body = str.encode(json.dumps(payload))
headers = {‘Content-Type’:’application/json’, ‘Authorization’:(‘Bearer ‘+ API_KEY)}
req = urllib2.Request(API_URL, body, headers)
try:
　　response = urllib2.urlopen(req)
　　result = response.read()
　　return json.loads(result)
　　except urllib2.HTTPError, error:
　　print(“The request failed with status code: ” + str(error.code))
　　# Print the headers – they include the requert ID and the timestamp, which are useful for debugging the failure
　　print(error.info())
　　print(json.loads(error.read()))
　　return None
def getPrice(params):
　　result = query(params)
　　if result is not None:
　　value = result[‘Results’][‘output1’][‘value’][‘Values’][0]
　　print(value)
　　price = int(float(value[5]))
　　normalized = int(price / 1000) * 1000
　　return normalized