Die vorliegende Übersetzung wurde maschinell erstellt. Im Falle eines Konflikts oder eines Widerspruchs zwischen dieser übersetzten Fassung und der englischen Fassung (einschließlich infolge von Verzögerungen bei der Übersetzung) ist die englische Fassung maßgeblich.

k-NN-Anforderungs- und Antwortformate

Alle integrierten Algorithmen von Amazon SageMaker AI halten sich an das gemeinsame Eingabe-Inferenzformat, das unter Common Data Formats — Inference beschrieben ist. Dieses Thema enthält eine Liste der verfügbaren Ausgabeformate für den SageMaker k-nearest-neighbor KI-Algorithmus.

INPUT: CSV Anforderungsformat

Inhaltstyp: text/csv

1.2,1.3,9.6,20.3

Dieser Parameter akzeptiert eine label_size oder einen Codierungsparameter. Es setzt eine label_size von 0 und eine UTF-8-Codierung voraus.

INPUT: JSON Anforderungsformat

Inhaltstyp: application/json

{
  "instances": [
    {"data": {"features": {"values": [-3, -1, -4, 2]}}},
    {"features": [3.0, 0.1, 0.04, 0.002]}]
}

INPUT: JSONLINES Anforderungsformat

Inhaltstyp: application/jsonlines

{"features": [1.5, 16.0, 14.0, 23.0]}
{"data": {"features": {"values": [1.5, 16.0, 14.0, 23.0]}}

INPUT: RECORDIO Anforderungsformat

Inhaltstyp: Anwendung/ x-recordio-protobuf

[
    Record = {
        features = {
            'values': {
                values: [-3, -1, -4, 2]  # float32
            }
        },
        label = {}
    },
    Record = {
        features = {
            'values': {
                values: [3.0, 0.1, 0.04, 0.002]  # float32
            }
        },
        label = {}
    },
] 

OUTPUT: Antwortformat JSON

Akzeptiert: application/json

{
  "predictions": [
    {"predicted_label": 0.0},
    {"predicted_label": 2.0}
  ]
}

OUTPUT: JSONLINES Antwortformat

Akzeptiert: application/jsonlines

{"predicted_label": 0.0}
{"predicted_label": 2.0}

OUTPUT: VERBOSE JSON Antwortformat

Im ausführlichen Modus API liefert das die Suchergebnisse mit dem Entfernungsvektor, sortiert vom kleinsten zum größten, mit den entsprechenden Elementen im Labelvektor. In diesem Beispiel wird "k" auf 3 festgelegt.

Akzeptiert: application/json;verbose=true

{
  "predictions": [
    {
        "predicted_label": 0.0,
        "distances": [3.11792408, 3.89746071, 6.32548437],
        "labels": [0.0, 1.0, 0.0]
    },
    {
        "predicted_label": 2.0,
        "distances": [1.08470316, 3.04917915, 5.25393973],
        "labels": [2.0, 2.0, 0.0]
    }
  ]
}

OUTPUT: RECORDIO - PROTOBUF Antwortformat

Inhaltstyp: Anwendung/ x-recordio-protobuf

[
    Record = {
        features = {},
        label = {
            'predicted_label': {
                values: [0.0]  # float32
            }
        }
    },
    Record = {
        features = {},
        label = {
            'predicted_label': {
                values: [2.0]  # float32
            }
        }
    }
]

OUTPUT: VERBOSE RECORDIO - Antwortformat PROTOBUF

Im ausführlichen Modus API liefert das die Suchergebnisse mit dem Entfernungsvektor, sortiert vom kleinsten zum größten, mit den entsprechenden Elementen im Labelvektor. In diesem Beispiel wird "k" auf 3 festgelegt.

akzeptieren: Anwendung/x-recordio-protobuf; verbose=true

[
    Record = {
        features = {},
        label = {
            'predicted_label': {
                values: [0.0]  # float32
            },
            'distances': {
                values: [3.11792408, 3.89746071, 6.32548437]  # float32
            },
            'labels': {
                values: [0.0, 1.0, 0.0]  # float32
            }
        }
    },
    Record = {
        features = {},
        label = {
            'predicted_label': {
                values: [0.0]  # float32
            },
            'distances': {
                values: [1.08470316, 3.04917915, 5.25393973]  # float32
            },
            'labels': {
                values: [2.0, 2.0, 0.0]  # float32
            }
        }
    }
]

SAMPLEOUTPUTfür den k-NN-Algorithmus

Für regressor-Aufgaben:

[06/08/2018 20:15:33 INFO 140026520049408] #test_score (algo-1) : ('mse', 0.013333333333333334)

Für classifier-Aufgaben:

[06/08/2018 20:15:46 INFO 140285487171328] #test_score (algo-1) : ('accuracy', 0.98666666666666669)