此API请求提供基于请求的迷你调查的班级结果(“快乐”或“不快乐”),答案范围从1(完全不同意)到5(完全同意)。该AI算法由用于分类任务的机器学习(ML)技术组成。有关模型的更多信息,请联系我们。我们感谢参与本研究的研究人员,并感谢他们提供用于分析的数据集。我们在此引用该数据集: 'Koczkodaj, W.(2017)。Somerville幸福调查[数据集]。UCI机器学习库。'
幸福 - 端点功能
| 对象 | 描述 |
|---|---|
X1 |
[必需] the availability of information about the city services |
X2 |
[必需] the cost of housing |
X3 |
[必需] the overall quality of public schools |
X4 |
[必需] your trust in the local police |
X5 |
[必需] the maintenance of streets and sidewalks |
X6 |
[必需] the availability of social community events |
{
"Value Prediction": "Happy"
}
curl --location --request GET 'https://zylalabs.com/api/6822/joyful+insights+forecasting+ai+api/10309/hapiness?X1=Required&X2=Required&X3=Required&X4=Required&X5=Required&X6=Required' --header 'Authorization: Bearer YOUR_API_KEY'
列出所有变量 - 端点功能
| 对象 | 描述 |
|---|
{
"X1": "the availability of information about the city services",
"X2": "the cost of housing",
"X3": "the overall quality of public schools",
"X4": "your trust in the local police",
"X5": "the maintenance of streets and sidewalks",
"X6": "the availability of social community events"
}
curl --location --request GET 'https://zylalabs.com/api/6822/joyful+insights+forecasting+ai+api/10310/listallvars' --header 'Authorization: Bearer YOUR_API_KEY'
此API的信息()
错误 - 端点功能
| 对象 | 描述 |
|---|
{
"API Info:": "This API requests per values provide class result ('Happy' or 'Unhappy'). The AI algorithm consists of ML (Machine Learning) techniques for Classification task. Please contact us for more information about the model. We acknowledge the researchers involved in this study and thank them for providing the Dataset for Analysis. We here cite the dataset: 'Koczkodaj, W. (2017). Somerville Happiness Survey [Dataset]. UCI Machine Learning Repository. https://doi.org/10.24432/C5PW36.'"
}
curl --location --request GET 'https://zylalabs.com/api/6822/joyful+insights+forecasting+ai+api/10311/info' --header 'Authorization: Bearer YOUR_API_KEY'
| 标头 | 描述 |
|---|---|
授权
|
[必需] 应为 Bearer access_key. 订阅后,请查看上方的"您的 API 访问密钥"。 |
无长期承诺。随时升级、降级或取消。 免费试用包括最多 50 个请求。
“幸福”端点返回一个分类结果,指示情感状态为“快乐”或“快乐” “列出所有变量”端点提供与影响幸福的因素相关的变量列表,而“信息”端点提供关于API及其基础模型的一般信息
“幸福”端点响应包括“值预测”,表示情感分类。“列出所有变量”响应包含变量名称(例如,“X1”,“X2”)及其描述,而“信息”端点提供API功能和数据源的摘要
响应以JSON格式构建 对于“hapiness”,它返回一个键值对 “listallvars”端点为每个变量返回多个键值对 “info”端点提供一个单一JSON对象的综合概述
“幸福”端点提供情感分类 “列出所有变量”端点详细说明影响幸福的各种因素 “信息”端点提供有关API功能和数据源的见解
当前,API 不支持 "hapiness" 或 "listallvars" 端点的可定制参数 用户可以简单地调用这些端点以接收预定义数据 未来的增强可能会允许更量身定制的请求
Joyful Insights预测AI API使用的数据基于Somerville幸福调查数据集,该数据集由Koczkodaj W于2017年提供。该数据集可在UCI机器学习库中获得,确保了分析的可靠来源。
典型的用例包括社会研究中的情感分析 了解社区福祉 和在需要情感洞察的应用中增强用户体验 这些数据可以帮助组织评估公众对各种问题的情感状态
用户可以利用“幸福”分类来评估他们数据中的情感趋势,而“列出所有变量”信息可以指导他们识别影响幸福的关键因素。这可以为社区规划或服务改进的决策提供参考
服务级别:
100%
响应时间:
346ms
服务级别:
100%
响应时间:
0ms
服务级别:
100%
响应时间:
221ms
服务级别:
100%
响应时间:
2,610ms
服务级别:
100%
响应时间:
78ms
服务级别:
100%
响应时间:
48ms
服务级别:
100%
响应时间:
46ms
服务级别:
100%
响应时间:
920ms
服务级别:
100%
响应时间:
0ms
服务级别:
100%
响应时间:
1,771ms
服务级别:
100%
响应时间:
246ms
服务级别:
100%
响应时间:
193ms
服务级别:
100%
响应时间:
285ms
服务级别:
100%
响应时间:
257ms
服务级别:
100%
响应时间:
278ms
服务级别:
100%
响应时间:
784ms
服务级别:
100%
响应时间:
212ms
服务级别:
100%
响应时间:
56ms
服务级别:
100%
响应时间:
296ms
服务级别:
100%
响应时间:
4,377ms