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.
Risposta dell'endpoint per dati tabulari
Dopo aver ricevuto la risposta di una chiamata dell'endpoint di inferenza, il processo di elaborazione SageMaker Clarify deserializza il payload di risposta e ne estrae le previsioni. Utilizza il parametro accept_type di configurazione dell'analisi per specificare il formato dei dati di payload della richiesta. Se non accept_type viene fornito, il processo di elaborazione SageMaker Clarify utilizzerà il valore del parametro content_type come formato di output del modello. Per ulteriori informazioni su accept_type, consulta File di configurazione dell'analisi.
Le previsioni potrebbero consistere in etichette previste per l'analisi del bias o in valori di probabilità (punteggi) per l'analisi dell'importanza della funzionalità. Nella configurazione dell'analisi predictor, i seguenti tre parametri estraggono le previsioni.
-
Il parametro
probabilityviene utilizzato per individuare i valori di probabilità (punteggi) nella risposta dell'endpoint. -
Il parametro
labelviene utilizzato per individuare le etichette previste nella risposta dell'endpoint. -
(Facoltativo) Il parametro
label_headersfornisce le etichette previste per un modello multiclasse.
Le seguenti linee guida riguardano le risposte degli endpoint inCSV, JSON linee e formati. JSON
Endpoint Response è in formato CSV
Se il payload di risposta è in CSV formato (MIMEtipo:text/csv), il processo di elaborazione SageMaker Clarify deserializza ogni riga. Quindi estrae le previsioni dai dati deserializzati utilizzando gli indici delle colonne forniti nella configurazione dell'analisi. Le righe del payload di risposta devono corrispondere ai record nel payload di richiesta.
Le seguenti tabelle forniscono esempi di dati di risposta in diversi formati e per diversi tipi di problemi. I tuoi dati possono variare rispetto a questi esempi, ammesso che le previsioni possano essere estratte in base alla configurazione dell'analisi.
Le sezioni seguenti mostrano esempi di risposte degli endpoint in formati. CSV
La seguente tabella è un esempio di risposta dell'endpoint per problemi di regressione e classificazione binaria.
| Payload di richiesta dell'endpoint | Payload di risposta dell'endpoint (rappresentazione di stringhe) |
|---|---|
|
Record singolo. |
'0.6' |
|
Due record (risultati in una riga, divisi da una virgola). |
'0.6,0.3' |
|
Due record (risultati in due righe). |
'0.6\n0.3' |
Nell'esempio precedente, l'endpoint emette un singolo valore di probabilità (punteggio) dell'etichetta prevista. Per estrarre le probabilità utilizzando l'indice e utilizzarle per l'analisi dell'importanza della funzionalità, imposta il parametro probability di configurazione dell'analisi sull'indice di colonna 0. Queste probabilità possono essere utilizzate anche per l'analisi dei bias se vengono convertite in valori binari utilizzando il parametro probability_threshold. Per ulteriori informazioni su probability_threshold, consulta File di configurazione dell'analisi.
La seguente tabella è un esempio di risposta dell'endpoint per problemi multiclasse.
| Payload di richiesta dell'endpoint | Payload di risposta dell'endpoint (rappresentazione di stringhe) |
|---|---|
|
Record singolo di un modello multiclasse (tre classi). |
'0.1,0.6,0.3' |
|
Due record di un modello multiclasse (tre classi) |
'0.1,0.6,0.3\n0.2,0.5,0.3' |
Nell'esempio precedente, l'endpoint restituisce un elenco di probabilità (punteggi). Se non viene fornito alcun indice, tutti i valori vengono estratti e utilizzati per l'analisi dell'importanza della funzionalità. Se il parametro label_headers viene specificato. Quindi il processo di elaborazione di SageMaker Clarify può selezionare l'intestazione dell'etichetta della probabilità massima come etichetta prevista, che può essere utilizzata per l'analisi delle distorsioni. Per ulteriori informazioni su label_headers, consulta File di configurazione dell'analisi.
La seguente tabella è un esempio di risposta dell'endpoint per problemi di regressione e classificazione binaria.
| Payload di richiesta dell'endpoint | Payload di risposta dell'endpoint (rappresentazione di stringhe) |
|---|---|
|
Record singolo |
'1' |
|
Due record (risultati in una riga, divisi da una virgola). |
'1,0' |
|
Due record (risultati in due righe) |
'1\n0' |
Nell'esempio precedente, l'endpoint emette l'etichetta prevista anziché un singolo valore di probabilità (punteggio). Imposta il parametro label della configurazione predictor sull'indice di colonna 0, in modo che le etichette previste possano essere estratte utilizzando l'indice e utilizzate per l'analisi dei bias.
La seguente tabella è un esempio di risposta dell'endpoint per problemi di regressione e classificazione binaria.
| Payload di richiesta dell'endpoint | Payload di risposta dell'endpoint (rappresentazione di stringhe) |
|---|---|
|
Record singolo |
'1,0.6' |
|
Due record |
'1,0.6\n0,0.3' |
Nell'esempio precedente, l'endpoint emette l'etichetta prevista seguita dalla sua probabilità. Imposta il parametro label della configurazione predictor sull'indice di colonna 0 e imposta probability sull'indice di colonna 1 per estrarre entrambi i valori dei parametri.
Un modello multiclasse addestrato da Amazon SageMaker Autopilot può essere configurato per generare la rappresentazione in formato stringa dell'elenco di etichette e probabilità previste. La tabella di esempio seguente mostra un esempio di risposta dell'endpoint da un modello configurato per emettere predicted_label, probability, labels e probabilities.
| Payload di richiesta dell'endpoint | Payload di risposta dell'endpoint (rappresentazione di stringhe) |
|---|---|
|
Record singolo |
'"dog",0.6,"[\'cat\', \'dog\', \'fish\']","[0.1, 0.6, 0.3]"' |
|
Due record |
'"dog",0.6,"[\'cat\', \'dog\', \'fish\']","[0.1, 0.6, 0.3]"\n""cat",0.7,[\'cat\', \'dog\', \'fish\']","[0.7, 0.2, 0.1]"' |
Per l'esempio precedente, il processo di elaborazione di SageMaker Clarify può essere configurato nei seguenti modi per estrarre le previsioni.
Per l'analisi dei bias, il precedente esempio può essere configurato come indicato in seguito.
-
Imposta il parametro
labeldella configurazionepredictorsu0, per estrarre l'etichetta prevista. -
Imposta il parametro
2per estrarre le etichette previste e impostaprobabilitysu3, per estrarre le probabilità corrispondenti. Il processo di elaborazione SageMaker Clarify può determinare automaticamente l'etichetta prevista identificando l'etichetta con il valore di probabilità più elevato. Facendo riferimento all'esempio precedente di un singolo record, il modello prevede tre etichette:cat,dogefish, con le probabilità corrispondenti di0.1,0.6e0.3. In base a queste probabilità, l'etichetta prevista èdog, in quanto ha un valore di probabilità più elevato di0.6. -
Imposta
probabilitysu3per estrarre le probabilità. Selabel_headersviene fornito, il processo di elaborazione SageMaker Clarify può determinare automaticamente l'etichetta prevista identificando l'intestazione dell'etichetta con il valore di probabilità più elevato.
Per l'analisi dell'importanza della funzionalità, l'esempio precedente può essere configurato come segue.
-
Imposta
probabilitysu3per estrarre le probabilità di tutte le etichette previste. Quindi, verranno calcolate le attribuzioni delle funzionalità per tutte le etichette. Se il cliente non specificalabel_headers, le etichette previste verranno utilizzate come intestazioni delle etichette nel rapporto di analisi.
Endpoint Response è in formato Lines JSON
Se il payload di risposta è in formato JSON Lines (MIMEtipo:application/jsonlines), il processo di elaborazione SageMaker Clarify deserializza ogni riga come. JSON Quindi estrae le previsioni dai dati deserializzati utilizzando le espressioni fornite nella configurazione dell'analisi. JMESPath Le righe del payload di risposta devono corrispondere ai record nel payload di richiesta. Le seguenti tabelle mostrano esempi dei dati di risposta in diversi formati. I tuoi dati possono variare rispetto a questi esempi, ammesso che le previsioni possano essere estratte in base alla configurazione dell'analisi.
Le sezioni seguenti mostrano esempi di risposte degli endpoint nei formati Lines. JSON
La seguente tabella è un esempio di risposta dell'endpoint che restituisce solo il valore di probabilità (punteggio).
| Payload di richiesta dell'endpoint | Payload di risposta dell'endpoint (rappresentazione di stringhe) |
|---|---|
|
Record singolo |
'{"score":0.6}' |
|
Due record |
'{"score":0.6}\n{"score":0.3}' |
Per l'esempio precedente, impostate il parametro probability di configurazione dell'analisi sull'JMESPathespressione «score» per estrarne il valore.
La seguente tabella è un esempio di risposta dell'endpoint che restituisce solo l'etichetta prevista.
| Payload di richiesta dell'endpoint | Payload di risposta dell'endpoint (rappresentazione di stringhe) |
|---|---|
|
Record singolo |
'{"prediction":1}' |
|
Due record |
'{"prediction":1}\n{"prediction":0}' |
Per l'esempio precedente, imposta il label parametro della configurazione del predittore su expression. JMESPath prediction Quindi, il processo di elaborazione di SageMaker Clarify può estrarre le etichette previste per l'analisi delle distorsioni. Per ulteriori informazioni, consulta File di configurazione dell'analisi.
La seguente tabella è un esempio di risposta dell'endpoint che restituisce l'etichetta prevista e il suo punteggio.
| Payload di richiesta dell'endpoint | Payload di risposta dell'endpoint (rappresentazione di stringhe) |
|---|---|
|
Record singolo |
'{"prediction":1,"score":0.6}' |
|
Due record |
'{"prediction":1,"score":0.6}\n{"prediction":0,"score":0.3}' |
Per l'esempio precedente, imposta il label parametro della predictor configurazione sull'JMESPathespressione «prediction» per estrarre le etichette previste. Imposta probability sull'JMESPathespressione «score» per estrarre la probabilità. Per ulteriori informazioni, consulta File di configurazione dell'analisi.
La seguente tabella è un esempio di risposta dell'endpoint, ottenuta da un modello multiclasse che restituisce quanto segue:
-
Un elenco di etichette previste.
-
Le probabilità e l'etichetta prevista selezionata e la sua probabilità.
| Payload di richiesta dell'endpoint | Payload di risposta dell'endpoint (rappresentazione di stringhe) |
|---|---|
|
Record singolo |
'{"predicted_label":"dog","probability":0.6,"predicted_labels":["cat","dog","fish"],"probabilities":[0.1,0.6,0.3]}' |
|
Due record |
'{"predicted_label":"dog","probability":0.6,"predicted_labels":["cat","dog","fish"],"probabilities":[0.1,0.6,0.3]}\n{"predicted_label":"cat","probability":0.7,"predicted_labels":["cat","dog","fish"],"probabilities":[0.7,0.2,0.1]}' |
Per l'esempio precedente, il processo di elaborazione di SageMaker Clarify può essere configurato in diversi modi per estrarre le previsioni.
Per l'analisi dei bias, il precedente esempio può essere configurato in uno dei modi descritti in seguito.
-
Imposta il
labelparametro dellapredictorconfigurazione sull'JMESPathespressione «predicted_label» per estrarre l'etichetta prevista. -
Imposta il parametro sull'JMESPathespressione «predicted_labels» per estrarre le etichette previste. Imposta
probabilityl'JMESPathespressione «probabilità» per estrarne le probabilità. Il job SageMaker Clarify determina automaticamente l'etichetta prevista identificando l'etichetta con il valore di probabilità più elevato. -
Imposta
probabilityl'JMESPathespressione «probabilità» per estrarne le probabilità. Selabel_headersviene fornita, il processo di elaborazione SageMaker Clarify può determinare automaticamente l'etichetta prevista identificando l'etichetta con il valore di probabilità più elevato.
Per l'analisi dell'importanza della funzionalità, procedi come segue.
-
Imposta
probabilityl'JMESPathespressione «probabilità» per estrarre le probabilità relative a tutte le etichette previste. Quindi, verranno calcolate le attribuzioni delle funzionalità per tutte le etichette.
Endpoint Response è in formato JSON
Se il payload di risposta è in JSON formato (MIMEtipo:application/json), il processo di elaborazione SageMaker Clarify deserializza l'intero payload come. JSON Quindi estrae le previsioni dai dati deserializzati utilizzando le espressioni fornite nella configurazione dell'analisi. JMESPath I record del payload di risposta devono corrispondere ai record nel payload di richiesta.
Le sezioni seguenti mostrano esempi di risposte degli endpoint nei formati. JSON Queste sezioni contengono tabelle con esempi dei dati di risposta in diversi formati e per diversi tipi di problemi. I tuoi dati possono variare rispetto a questi esempi, ammesso che le previsioni possano essere estratte in base alla configurazione dell'analisi.
La seguente tabella è un esempio di risposta da parte di un endpoint che restituisce solo il valore di probabilità (punteggio).
| Payload di richiesta dell'endpoint | Payload di risposta dell'endpoint (rappresentazione di stringhe) |
|---|---|
|
Record singolo |
'[0.6]' |
|
Due record |
'[0.6,0.3]' |
Nell'esempio precedente, non vi è alcuna interruzione di riga nel payload di risposta. Un singolo JSON oggetto contiene invece un elenco di punteggi, uno per ogni record nella richiesta. Impostate il parametro probability di configurazione dell'analisi sull'JMESPathespressione «[*]» per estrarre il valore.
La seguente tabella è un esempio di risposta da parte di un endpoint che restituisce solo l'etichetta prevista.
| Payload di richiesta dell'endpoint | Payload di risposta dell'endpoint (rappresentazione di stringhe) |
|---|---|
|
Record singolo |
'{"predicted_labels":[1]}' |
|
Due record |
'{"predicted_labels":[1,0]}' |
Imposta il label parametro della predictor configurazione sull'JMESPathespressione «predicted_labels», quindi il processo di elaborazione SageMaker Clarify può estrarre le etichette previste per l'analisi delle distorsioni.
La seguente tabella è un esempio di risposta da parte di un endpoint che restituisce l'etichetta prevista e il suo punteggio.
| Payload di richiesta dell'endpoint | Payload di risposta dell'endpoint (rappresentazione di stringhe) |
|---|---|
|
Record singolo |
'{"predictions":[{"label":1,"score":0.6}' |
|
Due record |
‘{"predictions":[{"label":1,"score":0.6},{"label":0,"score":0.3}]}' |
Per l'esempio precedente, imposta il label parametro della predictor configurazione sull'JMESPathespressione «predictions [*] .label» per estrarre le etichette previste. Imposta probability l'JMESPathespressione «predictions [*] .score» per estrarre la probabilità.
La seguente tabella è un esempio di risposta da parte di un endpoint, ottenuta da un modello multiclasse che restituisce quanto segue:
-
Un elenco di etichette previste.
-
Le probabilità e l'etichetta prevista selezionata e la sua probabilità.
| Payload di richiesta dell'endpoint | Payload di risposta dell'endpoint (rappresentazione di stringhe) |
|---|---|
|
Record singolo |
'[{"predicted_label":"dog","probability":0.6,"predicted_labels":["cat","dog","fish"],"probabilities":[0.1,0.6,0.3]}]' |
|
Due record |
'[{"predicted_label":"dog","probability":0.6,"predicted_labels":["cat","dog","fish"],"probabilities":[0.1,0.6,0.3]},{"predicted_label":"cat","probability":0.7,"predicted_labels":["cat","dog","fish"],"probabilities":[0.7,0.2,0.1]}]' |
Il processo di elaborazione di SageMaker Clarify può essere configurato in diversi modi per estrarre le previsioni.
Per l'analisi dei bias, il precedente esempio può essere configurato in uno dei modi descritti in seguito.
-
Imposta il
labelparametro dellapredictorconfigurazione sull'JMESPathespressione «[*] .predicted_label» per estrarre l'etichetta prevista. -
Imposta il parametro sull'JMESPathespressione «[*] .predicted_labels» per estrarre le etichette previste. Imposta
probabilityl'JMESPathespressione «[*] .probabilities» per estrarne le probabilità. Il processo di elaborazione SageMaker Clarify può determinare automaticamente l'etichetta prevista identificando l'etichetta con il valore di prossimità più elevato. -
Impostate
probabilityl'JMESPathespressione «[*] .probabilities» per estrarne le probabilità. Selabel_headersviene fornita, il processo di elaborazione di SageMaker Clarify può determinare automaticamente l'etichetta prevista identificando l'etichetta con il valore di probabilità più elevato.
Per l'analisi dell'importanza delle caratteristiche, impostate probability JMESPath l'espressione «[*] .probabilities» per estrarre le probabilità relative a tutte le etichette previste. Quindi, verranno calcolate le attribuzioni delle funzionalità per tutte le etichette.
