Format Data Inferensi Wawasan IP - Amazon SageMaker AI
Permintaan MasukanTanggapan Keluaran

Terjemahan disediakan oleh mesin penerjemah. Jika konten terjemahan yang diberikan bertentangan dengan versi bahasa Inggris aslinya, utamakan versi bahasa Inggris.

Format Data Inferensi Wawasan IP

Berikut ini adalah format input dan output yang tersedia untuk algoritma IP Insights. Algoritma bawaan Amazon SageMaker AI mematuhi format inferensi input umum yang dijelaskan dalam. Format data umum untuk inferensi Namun, algoritma SageMaker AI IP Insights saat ini tidak mendukung format RecorDio.

Format Permintaan Input Wawasan IP

INPUT: CSV Format

CSVFile harus memiliki dua kolom. Kolom pertama adalah string buram yang sesuai dengan pengidentifikasi unik entitas. Kolom kedua adalah IPv4 alamat peristiwa akses entitas dalam notasi desimal titik.

tipe konten: teks/csv

entity_id_1, 192.168.1.2
entity_id_2, 10.10.1.2

INPUT: JSON Format

JSONdata dapat disediakan dalam berbagai format. IP Insights mengikuti format SageMaker AI yang umum. Untuk informasi selengkapnya tentang format inferensi, lihatFormat data umum untuk inferensi.

tipe konten: aplikasi/json

{
  "instances": [
    {"data": {"features": {"values": ["entity_id_1", "192.168.1.2"]}}},
    {"features": ["entity_id_2", "10.10.1.2"]}
  ]
}

INPUT: JSONLINES Format

Jenis konten JSON Lines berguna untuk menjalankan pekerjaan transformasi batch. Untuk informasi lebih lanjut tentang format inferensi SageMaker AI, lihatFormat data umum untuk inferensi. Untuk informasi selengkapnya tentang menjalankan pekerjaan transformasi batch, lihatTransformasi Batch untuk inferensi dengan Amazon AI SageMaker .

tipe konten: aplikasi/jsonlines

{"data": {"features": {"values": ["entity_id_1", "192.168.1.2"]}}},
{"features": ["entity_id_2", "10.10.1.2"]}]

Format Respons Output Wawasan IP

OUTPUT: Format JSON Respon

Output default dari algoritma SageMaker AI IP Insights adalah dot_product antara entitas input dan alamat IP. Dot_product menandakan seberapa kompatibel model mempertimbangkan entitas dan alamat IP. dot_productItu tidak terbatas. Untuk membuat prediksi tentang apakah suatu peristiwa anomali, Anda perlu menetapkan ambang batas berdasarkan distribusi yang Anda tentukan. Untuk informasi tentang cara menggunakan deteksi anomali, dot_product lihat An Introduction to the SageMaker AIIP Insights Algorithm.

terima: aplikasi/json

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

Pengguna tingkat lanjut dapat mengakses entitas yang dipelajari model dan penyematan IP dengan menyediakan parameter verbose=True tipe konten tambahan ke judul Terima. Anda dapat menggunakan entity_embedding dan ip_embedding untuk men-debug, memvisualisasikan, dan memahami model. Selain itu, Anda dapat menggunakan penyematan ini dalam teknik pembelajaran mesin lainnya, seperti klasifikasi atau pengelompokan.

terima: aplikasi/json; verbose = true

{
  "predictions": [
    {
        "dot_product": 0.0,
        "entity_embedding": [1.0, 0.0, 0.0],
        "ip_embedding": [0.0, 1.0, 0.0]
    },
    {
        "dot_product": 2.0,
        "entity_embedding": [1.0, 0.0, 1.0],
        "ip_embedding": [1.0, 0.0, 1.0]
    }
  ]
}

OUTPUT: Format JSONLINES Respon

terima: aplikasi/jsonlines 

{"dot_product": 0.0}
{"dot_product": 2.0}

terima: aplikasi/jsonlines; verbose = true 

{"dot_product": 0.0, "entity_embedding": [1.0, 0.0, 0.0], "ip_embedding": [0.0, 1.0, 0.0]}
{"dot_product": 2.0, "entity_embedding": [1.0, 0.0, 1.0], "ip_embedding": [1.0, 0.0, 1.0]}