予測に使うデータは、因子ごとに項目名と値をペアにして、変数に設定します。

• 「オブジェクト生成」ブロックの例:

  

  上図のように、Value の種類に Object を選択し、その内容として（Object 横の + ボタンをクリックして）予測因子データを以下のルールで列挙します。

  • キー用のデータ：

    Key 欄	key という固定名称を指定
    Value の種類欄	必ず String を指定
    Value 欄	予測データを特定するキーとなるユニークな文字列値

  • キー以外：

    Key 欄	予測因子データの項目名を指定 （トレーニングデータ設定で指定した項目名）
    Value の種類欄	予測因子のデータの型を指定
    Value 欄	予測因子データの値を指定

  info_outline 数値型、月および曜日については、数値を文字列にしたデータも受け付けます。たとえば、数値型の場合、"99" や "1.5" などは、99 と 1.5 として扱います。月や曜日の場合、"0" や "6" などは、0 と 6 として扱います。

• JSON テキストの例:

  {
    "key": "1",
    "sepal_length": 5.9,
    "sepal_width": 3.0,
    "petal_length": 4.2,
    "petal.width": 1.5
  }
  

  • オブジェクト値（{...}）で指定します。
  • キー用のメンバー：

    名前	必ず "key" という文字列を指定
    値	予測データを特定するキーとなるユニークな文字列値

  • それ以外のメンバ：

    名前	予測因子データの項目名を指定 （トレーニングデータ設定で指定した項目名）
    値	予測因子データの値を指定

複数の予測データを使って予測する場合は、以下のようにします。

• 「オブジェクト生成」ブロックの例:

  

  上図のように、Value の種類に Array を選択し、その内容として（Array 横の + ボタンをクリックして）各予測データを列挙します。各予測データは、先に紹介したとおりです。

• JSON テキストの例:

  [
    {
      "key": "1",
      "sepal_length": 5.9,
      "sepal_width": 3.0,
      "petal_length": 4.2,
      "petal_width": 1.5
    },
    {
      "key": "2",
      "sepal_length": 6.9,
      "sepal_width": 3.1,
      "petal_length": 5.4,
      "petal_width": 2.1
    },
    {
      "key": "3",
      "sepal_length": 5.1,
      "sepal_width": 3.3,
      "petal_length": 1.7,
      "petal_width": 0.5
    }
  ]
  

  • 配列値（[...]）で指定します。
  • 配列の各要素は、予測データをオブジェクト値で指定します。各オブジェクト値の形式は、先に紹介したとおりです。

変数には、予測に使用する JPEG・PNG・GIF・BMP 形式の画像ファイルを指定します。

この画像ファイルの指定方法には、いくつかあります。

• 画像ファイルへの GCS URL (gs://バケット名/画像ファイル名 のような形式) を文字列で指定します。

  • 「オブジェクト生成」ブロックの例:

    

    上図のように、Value の種類に String を選択します。

    info_outline このとき、「オブジェクト生成」ブロックの「結果を格納する変数」が _ の場合は、_.data が予測因子データです。

  • JSON テキストの例:

    "gs://my-bucket/sample01.jpg"

    文字列値（"..."）で、画像ファイルへの GCS URL を指定します。

• 複数の画像を使って予測する場合は、画像ファイルへの GCS URL を配列で指定します。

  • 「オブジェクト生成」ブロックの例:

    

    上図のように、Value の種類に Array を選択し、その内容として（Array 横の + ボタンをクリックして）画像ファイルへの GCS URL を文字列（String）で列挙します。

    info_outline このとき、「オブジェクト生成」ブロックの「結果を格納する変数」が _ の場合は、_.data が予測因子データです。

  • JSON テキストの例:

    ["gs://my-bucket/sample01.jpg", "gs://my-bucket/sample02.jpg"]

    • 配列値（[...]）で指定します。
    • 各要素は、文字列値で画像ファイルへの GCS URL を指定します。

• 数値分類タイプや数値回帰タイプのように、画像ファイルごとにキーの指定ができます。複数の画像で予測する場合、キーにより、それぞれの予測結果と予測画像ファイルを対応づけやすくなります。

  • 「オブジェクト生成」ブロックの例:

    

    上図のように、Value の種類に Object を選択し、その内容として（Object 横の + ボタンをクリックして）予測データを指定します。

    • キー用のデータ：

      Key 欄	key という固定名称を指定
      Value の種類欄	必ず String を指定
      Value 欄	予測画像ファイルを特定するキーとなるユニークな文字列値

    • 予測用のデータ：

      Key 欄	image という固定名称を指定
      Value の種類欄	必ず String を指定
      Value 欄	予測画像ファイルへの GCS URL を文字列値で指定

  • JSON テキストの例:

    {"key": "sample01", "image": "gs://my-bucket/sample01.jpg"}

    • オブジェクト値（{...}）で指定します。
    • キー用のメンバー：

      名前	必ず "key" という文字列を指定
      値	予測画像ファイルを特定するキーとなるユニークな文字列値

    • 予測用のメンバー（画像ファイルの情報を指定）：

      名前	必ず "image" という文字列を指定
      値	予測画像ファイルへの GCS URL を文字列値で指定

  複数の画像ファイルを指定する場合は、配列を使います。

  • 「オブジェクト生成」ブロックの例:

    

    上図のように、Value の種類に Array を選択し、その内容として（Array 横の + ボタンをクリックして） 各画像ファイルの情報を列挙します。各画像ファイルの情報は、先に紹介したとおりです。

    info_outline このとき、「オブジェクト生成」ブロックの「結果を格納する変数」が _ の場合は、_.data が予測因子データです。

  • JSON テキストの例:

    [
      {
        "key": "sample01",
        "image": "gs://my-bucket/sample01.jpg"
      },
      {
        "key": "sample02",
        "image": "gs://my-bucket/sample02.jpg"
      }
    ]
    

    • 配列値（[...]） で指定します。
    • 配列の各要素は、画像ファイルの情報をオブジェクト値で指定します。各オブジェクト値の形式は、先に紹介したとおりです。

キーを指定する場合の画像ファイルへの GCS URL 部分は、以下の形式で画像ファイルを渡すこともできます。

• 画像ファイルの内容を Base64 open_in_new でエンコードしたデータ
• 画像ファイルの内容そのままのデータ（バイナリデータ）

以下は、数値分類タイプの例です。

{
  "predictions": [
    {
      "label_index": 1,
      "score": [
        8.715780131751671e-05,
        0.9995228052139282,
        0.00039013021159917116
      ],
      "key": "1",
      "label": "Iris-versicolor"
    },
    {
      "label_index": 2,
      "score": [
        9.230815578575857e-08,
        0.007054927293211222,
        0.9929450154304504
      ],
      "key": "2",
      "label": "Iris-virginica"
    },
    {
      "label_index": 0,
      "score": [
        0.9998869895935059,
        0.00011299729521851987,
        1.5803254260760013e-09
      ],
      "key": "3",
      "label": "Iris-setosa"
    }
  ]
}

• 全体がひとつの JSON オブジェクトです。
• "predictions": 予測結果の配列です。予測結果は、以下のメンバーで構成するオブジェクトです。
  • "label_index": "score" 配列（分類ごとの予測の確からしさ）のどの値が、"label"（予測値）として採用されたかを示す値です。0 が先頭の配列要素、1 がその次の要素を示しています。
  • "score": 分類ごとの予測の確からしさです。
    • 順に分類値 0 の確からしさ、分類値 1 の確からしさ、分類値 2 の確からしさ・・・を表しています。
    • 例えば、[8.715780131751671e-05, 0.9995228052139282, 0.00039013021159917116] の場合は、分類値 0 が 0.00871578 %、分類値 1 が 99.952280521 %、分類値 2 が 0.039013021 % の確からしさです。
    • もっとも確からしい分類値が予測値となります。
  • "key": 予測に使用した予測因子データの "key" の値です。
  • "label": 予測値です。"score" の最も高い分類値が予測値となります。

以下は、数値回帰タイプの例です。

{
  "predictions": [
    {
      "output": 10261.9072265625,
      "key": "20170101"
    },
    {
      "output": 12506.2861328125,
      "key": "20170102"
    },
    {
      "output": 10304.1962890625,
      "key": "20170103"
    },
    {
      "output": 10350.099609375,
      "key": "20170104"
    }
  ]
}

• 全体がひとつの JSON オブジェクトです。
• "predictions": 予測結果の配列です。予測結果は、以下のメンバーで構成するオブジェクトです。
  • "output": 予測値です。
  • "key": 予測に使用した予測因子データの "key" の値です。

以下は、画像分類タイプの例です。

{
  "predictions": [
    {
      "labels": [
        "cat",
        "dog"
      ],
      "score": [
        1.0,
        3.764146683238323e-08
      ],
      "key": "gs://my-bucket/blocks_ml_image_example/prediction/sample_01.jpg",
      "label": "cat"
    },
    {
      "labels": [
        "cat",
        "dog"
      ],
      "score": [
        7.805689392625936e-07,
        0.9999991655349731
      ],
      "key": "gs://my-bucket/blocks_ml_image_example/prediction/sample_02.jpg",
      "label": "dog"
    }
  ]
}

• 全体がひとつの JSON オブジェクトです。
• "predictions": 予測結果の配列です。予測結果は、以下のメンバーで構成するオブジェクトです。

  名前	説明
  "labels"	分類の種類のリストです。この例の場合、"cat"（猫）と "dog"（犬）の 2 種類です。 "labels" のリスト順序は、次の "score" のリスト順序に対応しています。
  "score"	分類ごとの予測の確からしさです。 この例の場合、"score" の 1 番目の値は、"cat" に対応し、"score" の 2 番目の値は、"dog" に対応します。
  "key"	予測にキーを指定した場合は、そのキーの値が出力されます。予測にキーを指定していない場合は、画像ファイルへの GCS URL が出力されます。
  "label"	予測値です。"score" の最も高い分類値が予測値となります。

以下は、画像物体検出タイプの例です。

{
  "predictions": [
    {
      "detection_box_xmin": [
        0.465076744556427,
        0.006737172603607178
      ],
      "detection_classes": [
        "cat",
        "dog"
      ],
      "detection_box_ymax": [
        0.7059540748596191,
        0.932410717010498
      ],
      "detection_scores": [
        0.991367757320404,
        0.7089109420776367
      ],
      "key": "gs://blocks-doc-samples/object-detection/prediction/bernese-mountain-dog-111878_1280.jpg",
      "num_detections": 2,
      "detection_box_xmax": [
        0.8645327687263489,
        0.39152249693870544
      ],
      "detection_box_ymin": [
        0.0,
        0.2869449853897095
      ]
    }
  ]
}

• 全体がひとつの JSON オブジェクトです。
• "predictions": 予測結果の配列です。予測結果は、以下のメンバーで構成するオブジェクトです。