本文属于机器翻译版本。若本译文内容与英语原文存在差异，则一律以英文原文为准。
表格数据是指可以加载到二维数据框中的数据。在数据框中，每行代表一条记录，每条记录都有一列或多列。每个数据框单元格内的值可以是数字、分类或文本数据类型。
表格数据集先决条件
在分析之前，您的数据集应该已经应用了任何必要的预处理步骤。这包括数据清理或特征工程。
您可以提供一个或多个数据集。如果您提供多个数据集，请使用以下方法在 Clarify 处理任务中 SageMaker 对其进行识别。
-
使用ProcessingInput命名配置
dataset或分析配置dataset_uri来指定主数据集。有关dataset_uri的更多信息，请参阅 分析配置文件 中的参数列表。 -
使用分析配置文件中提供的
baseline参数。SHAP 分析需要基准数据集。有关分析配置文件的更多信息（包括示例），请参阅 分析配置文件。
下表列出了支持的数据格式、其文件扩展名和 MIME 类型。
| Data format（数据格式） | 文件扩展名 | MIME 类型 |
|---|---|---|
|
CSV |
csv |
|
|
JSON 行 |
jsonl |
|
|
JSON |
json |
|
|
Parquet |
parquet |
“application/x-parquet” |
以下几节介绍了 CSV、JSON 行和 Apache Parquet 格式的表格数据集示例。
Cl SageMaker arify 处理任务旨在加载 cs v.excel 方言中的 CS\n 和 \r。
为了兼容起见，提供给 Clarify 处理任务的 SageMaker 所有 CSV 数据文件都必须采用 UTF-8 编码。
如果您的数据集不包含标题行，请执行以下操作：
-
将分析配置标签设置为索引
0。这意味着第一列是 Ground Truth 标签。 -
如果设置了参数
headers，则将label设置为标签列标题以指示标签列的位置。所有其他列都指定为特征。以下是不包含标题行的数据集示例。
1,5,2.8,2.538,This is a good product 0,1,0.79,0.475,Bad shopping experience ...
如果您的数据包含标题行，请将参数 label 设置为索引 0。要指示标签列的位置，请使用 Ground Truth 标签标题 Label。所有其他列都指定为特征。
以下是包含标题行的数据集示例。
Label,Rating,A12,A13,Comments
1,5,2.8,2.538,This is a good product
0,1,0.79,0.475,Bad shopping experience
...JSON 是一种灵活的格式，用于表示包含任何复杂程度的结构化数据。Cl SageMaker arify 对 JSON 的支持不限于任何特定格式，因此与 CSV 或 JSON 行格式的数据集相比，允许更灵活的数据格式。本指南介绍如何为 JSON 格式的表格数据设置分析配置。
注意
为确保兼容性，提供给 Clarify 处理任务的 SageMaker 所有 JSON 数据文件都必须采用 UTF-8 编码。
以下是输入数据的示例，其记录包含顶层键、特征列表和标签。
[
{"features":[1,5,2.8,2.538,"This is a good product"],"label":1},
{"features":[0,1,0.79,0.475,"Bad shopping experience"],"label":0},
...
]先前输入示例数据集的示例配置分析应设置以下参数：
-
该
label参数应使用JMESPath表达式 [*].label来提取数据集中每条记录的基本真相标签。该 JMESPath 表达式应生成标签列表，其中第 i 个标签对应于第 i 条记录。 -
features参数应使用 JMESPath表达式[*].features为数据集中的每条记录提取特征数组。该 JMESPath 表达式应生成一个二维数组或矩阵，其中第 i 行包含与第 i 条记录对应的特征值。以下是输入数据的示例，其记录包含顶层键和嵌套键，嵌套键包含每条记录的特征和标签列表。
{
"data": [
{"features":[1,5,2.8,2.538,"This is a good product"],"label":1}},
{"features":[0,1,0.79,0.475,"Bad shopping experience"],"label":0}}
]
}先前输入示例数据集的示例配置分析应设置以下参数：
-
该
label参数使用JMESPath表达式 data[*].label提取数据集中每条记录的真实情况标签。该 JMESPath 表达式应生成标签列表，其中第 i 个标签用于第 i 个记录。 -
该
features参数使用 JMESPath 表达式data[*].features为数据集中的每条记录提取要素数组。该 JMESPath 表达式应生成一个 2D 数组或矩阵，其中第 i 行包含第 i 条记录的特征值。
JSON 行是一种用于表示结构化数据的文本格式，其中每行都是有效的 JSON 对象。目前 C SageMaker larify 处理作业仅支持 SageMaker AI 密集格式 JSON 行。为符合格式要求，一条记录的所有特征都应列在一个 JSON 数组中。有关 JSON 行的更多信息，请参阅JSONLINES 请求格式。
注意
为确保兼容性，提供给 Clarify 处理 SageMaker 任务的所有 JSON Lines 数据文件都必须采用 UTF-8 编码。
以下示例说明如何为包含顶层键和元素列表的记录设置分析配置。
{"features":[1,5,2.8,2.538,"This is a good product"],"label":1}
{"features":[0,1,0.79,0.475,"Bad shopping experience"],"label":0}
...先前数据集示例的配置分析应按以下方式设置参数：
-
要指示真实情况标签的位置，
label应将参数设置为 JMESPath 表达式label。 -
要指示要素数组的位置，
features应将参数设置为 JMESPath 表达式features。
以下示例说明如何为包含顶层键和嵌套键（其中包含元素列表）的记录设置分析配置。
{"data":{"features":[1,5,2.8,2.538,"This is a good product"],"label":1}}
{"data":{"features":[0,1,0.79,0.475,"Bad shopping experience"],"label":0}}
...先前数据集示例的配置分析应按以下方式设置参数：
-
label应将参数设置为 JMESPath表达式data.label以指示真实情况标签的位置。 -
features应将参数设置为 JMESPath表达式data.features以指示要素数组的位置。
Parquet1。
由于 SageMaker Clarify 处理作业不支持 Parquet 格式的端点请求或端点响应，因此您必须通过将分析配置参数设置为支持的格式content_type来指定端点请求的数据格式。有关更多信息，请参阅分析配置文件中的content_type。
Parquet 数据的列名必须格式化为字符串。使用分析配置 label 参数设置标签列名称以指示 Ground Truth 标签的位置。所有其他列都指定为特征。
