Le traduzioni sono generate tramite traduzione automatica. In caso di conflitto tra il contenuto di una traduzione e la versione originale in Inglese, quest'ultima prevarrà. # Requisiti del set di dati per l'utilizzo di ML Insights con Amazon Quick Sight Per iniziare a utilizzare le funzionalità di apprendimento automatico di Amazon Quick Sight, devi connetterti o importare i tuoi dati. Puoi utilizzare un set di dati Amazon Quick Sight esistente o crearne uno nuovo. Puoi eseguire query direttamente sull'origine compatibile con SQL o inserire i dati in SPICE. I dati devono avere le proprietà seguenti: + Almeno un parametro (ad esempio, vendite, ordini, unità spedite, registrazioni e così via). + Almeno una dimensione categoria (ad esempio, categoria di prodotti, canale, segmento, settore e così via). Le categorie con valori NULL vengono ignorate. + Il rilevamento di anomalie richiede un minimo di 15 punti dati per l'addestramento. Ad esempio, se la granularità dei dati è giornaliera, ti servono almeno 15 giorni di dati. Se la granularità è mensile, ti servono almeno 15 mesi di dati. + Le previsioni funzionano meglio con più dati. Assicurati che il set di dati contenga una quantità sufficiente di dati cronologici per garantire risultati ottimali. Ad esempio, se la granularità dei dati è giornaliera, ti servono almeno 38 giorni di dati. Se la granularità è mensile, ti servono almeno 43 mesi di dati. Di seguito vengono indicati i requisiti per ogni granularità temporale: + Anni: 32 punti dati + Trimestri: 35 punti dati + Mesi: 43 punti dati + Settimane: 35 punti dati + Giorni: 38 punti dati + Ore: 39 punti dati + Minuti: 46 punti dati + Secondi: 46 punti dati + Se vuoi analizzare le anomalie o le previsioni, ti serve anche almeno una dimensione data. Se non disponi di un set di dati per iniziare, puoi scaricare questo set di dati di esempio: [ML Insights Sample Dataset VI](samples/ml-insights.csv.zip). Una volta pronto il set di dati, crea una nuova analisi dal set di dati.