発行したサービスを利用する

前のステップで、予測モデルをクラウドに発行しました。

ここからは、発行した Web サービスを呼び出してみます。
発行したサービスは REST API に対応しているので、多くの言語や環境から呼び出せます。

ここでは、以下のツールから呼び出してみます。

Azure Machine Learning Web Services ポータルからリクエスト

最初に Web サービスの動作確認を兼ねて、Azure Machine Learning Web Services ポータルからリクエストします。

前のステップから続けて操作している場合は、Machine Learning Studio の Web Service 画面が表示されているはずです。
[Test preview] をクリックします。

一度 Machine Learning Studio を閉じていた場合などは、Machine Learning Studio の [WEB SERVICES] メニューを選択して、 "Titanic [Predict Exp.]" をクリックすると、上の画面に遷移できます。
Azure Machine Learning Web Services ポータルが表示されるので、[Test endpoint] を選択します。
Test Endpoint ページ が開きます。
データを用意する 手順でダウンロードした test.csv データを、Excel などで開きます。テストに使用する任意の行を決めます。（何行目でもかまいません）
ポータルの Test Endpoint ページで、各パラメーターにテストデータを入力して、[Test Request-Response] をクリックします。
予測モデルの Web サービスから応答が返ってきます。"Scored Label" が予測した値です。

いくつかのデータを試してみて、Web サービスが動作していることを確認します。

Machine Learning Studio の [Web Services] ページでは、クライアントとしてあらかじめ Excel が用意されています。
この Excel から Web サービスを呼び出してみます。

Machine Learning Studio の Web Service 画面を表示します。 [Excel 2013 or later] をクリックします。
確認画面が出た後で [名前を付けて保存] ダイアログが開くので、PC に保存します。
保存した Excel ファイルを開きます。
保護ビューになっている場合は、[編集を有効にする] をクリックします。また、[新しい Office アドイン] ウインドウが表示された場合、Azure Machine Learning の[このアドインを信頼] をクリックします。 [Azure Machine Learning] 作業ウィンドウで、[Titanic [Predict Exp.]] をクリックします。
[Use sample data] をクリックします。自動的にサンプルデータが Excel のシート上に表示されます。
[Input] にデータを置いたレンジを指定します。例えば、"Sheet1!A1:F6" のように指定します。
[Output] に、予測結果を出力するレンジの左上のセルを指定します。例えば、"H1" のように指定します。続いて、[Predict] ボタンをクリックします。

デフォルトでは "Auto-predict" がチェックされているはずです。もし外れていたらチェックしてから [Predict] をクリックしてください。
指定したレンジに応答が表示されます。"Scored Label" が予測した値です。

入力は 5行である必要はありません。test.csv のデータも利用して挙動を確認してみてください。

Postman は Web API 開発環境です。 Postman から今回の Web サービスを呼び出してみます。

まだ持っていない場合は、Postman をダウンロード、インストールします。
Machine Learning Studio の Web Service 画面を開きます。
[New Web Services Experience] をクリックします。
[Use endpoint] をクリックします。
[Consume] ページの [Request-Response] にある [API Help] をクリックします。
"Request Response API Documentation" ページが開きます。このページの情報を参考に、Postman に必要な情報を埋めていきます。（以下、このページを API Document と呼びます）

Postman に以下の入力をします。

区分	項目	値
リクエスト	メソッド	POST
リクエスト	URL	API Document ページの Request URI
Headers	Authorization	"Bearer " + Consume ページの Primary Key
Header	Content-Type	application/json
Body	("Raw" に切り替えて)	API Document ページの Sample Request

[Send] をクリックします。入力が正しければ応答が返ってきます。
Values の Scored Labels の位置（Values の下から２個目の "1" または "0" の値）が予測した値です。

以上で、このコンテンツはすべて終了です。

機械学習のデータの用意、学習、クラウドへの発行、クライアントからの利用について、実際に操作してみました。
公式の Quickstart など他の資料も参照して、機械学習の理解を深めてください。

このコンテンツへの意見、改善の提案などは、このリポジトリの Issue, Pull Request でお知らせください。