本文為英文版的機器翻譯版本，如內容有任何歧義或不一致之處，概以英文版為準。

建立預測結果與輸入記錄的關聯性

建立大型資料集的預測時，您可以排除預測不需要的屬性。完成預測後，您可以建立一些已排除屬性與這些預測，或與報告中其他輸入資料的關聯性。使用批次轉換來執行這些資料處理步驟，您通常不需要額外的預先處理或後續處理。您只能使用 JSON和 CSV 格式的輸入檔案。

建立推論與輸入記錄關聯的工作流程

下圖顯示建立推論與輸入記錄關聯性的工作流程。

若要建立推論與輸入資料的關聯性，有三個主要步驟：

在批次轉換任務中使用資料處理

使用 CreateTransformJob 建立批次轉換工作處理資料時：

如果您使用演算法和 DataProcessing 結構，它必須同時支援您選擇的輸入檔和輸出檔格式。例如，使用 CreateTransformJob TransformOutput的欄位API，您必須同時將 ContentType和 Accept 參數設定為下列其中一個值：text/csv、 application/json或 application/jsonlines。在CSV檔案中指定資料欄和在JSON檔案中指定屬性的語法不同。使用錯誤的語法會造成錯誤。如需詳細資訊，請參閱批次轉換範例。如需內建演算法之輸入和輸出檔格式的詳細資訊，請參閱Amazon 中的內建演算法和預先訓練的模型 SageMaker。

輸入和輸出的記錄分隔符號也必須與您選擇的檔案輸入一致。SplitType 參數指出如何分割輸入資料集中的記錄。AssembleWith 參數指出如何重新組合輸出記錄。如果您將輸入和輸出格式設為 text/csv，您還必須將 SplitType 和 AssembleWith 參數設為 line。如果將輸入和輸出格式設為 application/jsonlines，您就可以同時將 SplitType 和 AssembleWith 設為 line。

對於 CSV 檔案，您無法使用內嵌的新行字元。對於 JSON 檔案，屬性名稱SageMakerOutput會保留用於輸出。JSON 輸入檔案不能具有此名稱的屬性。如有，則可能覆寫輸入檔中的資料。

支援的JSONPath運算子

若要篩選和聯結輸入資料和推論，請使用JSONPath子運算式。 SageMaker 僅支援已定義JSONPath運算子的子集。下表列出支援的JSONPath運算子。對於CSV資料，每一列都以JSON陣列的形式取得，因此只能套用以索引為基礎的 JSONPaths ，例如 $[0]、 $[1:]。CSV 資料也應遵循 RFC 格式 。

當使用括號表示法來指定特定欄位的多個子元素時，不支援括號內子項的額外巢狀。例如，支援 $.field1.['child1','child2']，但不支援 $.field1.['child1','child2.grandchild']。

如需JSONPath運算子的詳細資訊，請參閱JsonPath上的 GitHub。

批次轉換範例

以下範例會示範一些結合輸入資料和預測結果的常見方式。

範例：僅輸出推論

根據預設，DataProcessing 參數不會將推論結果與輸入聯結。它只會輸出推論結果。

如果您想要明確指定不將結果與輸入聯結，請使用 Amazon SageMaker PythonSDK，並在轉換器呼叫中指定下列設定。

sm_transformer = sagemaker.transformer.Transformer(…)
sm_transformer.transform(…, input_filter="$", join_source= "None", output_filter="$")

若要使用 for Python AWS SDK輸出推論，請將下列程式碼新增至您的 CreateTransformJob 請求。以下程式碼模擬預設的行為。

{
    "DataProcessing": {
        "InputFilter": "$",
        "JoinSource": "None",
        "OutputFilter": "$"
    }
}

範例：輸出推論聯結輸入資料

如果您使用 Amazon SageMaker Python SDK 將輸入資料與輸出檔案中的推論結合，請在初始化轉換器物件時指定 assemble_with和 accept 參數。使用轉換呼叫時，join_source 參數請指定為 Input，並指定 split_type 和 content_type 參數。split_type 參數的值必須與 assemble_with 相同，且 content_type 參數的值必須與 accept 相同。如需參數及其接受值的詳細資訊，請參閱 Amazon SageMaker Python SDK中的轉換器頁面。

sm_transformer = sagemaker.transformer.Transformer(…, assemble_with="Line", accept="text/csv")
sm_transformer.transform(…, join_source="Input", split_type="Line", content_type="text/csv")

如果您使用的是 for Python AWS SDK（Boto 3），請將下列程式碼新增至您的CreateTransformJob請求，以使用推論加入所有輸入資料。Accept 和 ContentType 的值必須相符，且 AssembleWith 和 SplitType 的值也必須相符。

{
    "DataProcessing": {
        "JoinSource": "Input"
    },
    "TransformOutput": {
        "Accept": "text/csv",
        "AssembleWith": "Line"
    },
    "TransformInput": {
        "ContentType": "text/csv",
        "SplitType": "Line"
    }
}

對於 JSON或 JSON行輸入檔案，結果位於輸入JSON檔案中的 SageMakerOutput 金鑰中。例如，如果輸入是包含鍵值對 JSON的檔案{"key":1}，則資料轉換結果可能是 {"label":1}。

SageMaker 會將兩者都存放在 SageMakerInput金鑰的輸入檔案中。

{
    "key":1,
    "SageMakerOutput":{"label":1}
}

例如，對於CSV檔案，如果記錄為 [1,2,3]，且標籤結果為 [1]，則輸出檔案將包含 [1,2,3,1]。

範例：輸出與輸入資料聯結的推論，並從輸入 （CSV） 中排除 ID 資料欄

如果您使用 Amazon SageMaker Python SDK 將輸入資料與推論輸出聯結，同時從轉換器輸入中排除 ID 資料欄，請指定上述範例中的相同參數，以及轉換器呼叫input_filter中 的JSONPath子運算式。例如，如果輸入資料包含五個欄，而第一欄是 ID 欄，請使用下列轉換器請求，選取 ID 欄以外的所有資料欄作為功能。轉換器仍會輸出與推論聯結的所有輸入欄。如需參數及其接受值的詳細資訊，請參閱 Amazon SageMaker Python SDK中的轉換器頁面。

sm_transformer = sagemaker.transformer.Transformer(…, assemble_with="Line", accept="text/csv")
sm_transformer.transform(…, split_type="Line", content_type="text/csv", input_filter="$[1:]", join_source="Input")

如果您使用 for Python AWS SDK（Boto 3），請將下列程式碼新增至您的 CreateTransformJob請求。

{
    "DataProcessing": {
        "InputFilter": "$[1:]",
        "JoinSource": "Input"
    },
    "TransformOutput": {
        "Accept": "text/csv",
        "AssembleWith": "Line"
    },
    "TransformInput": {
        "ContentType": "text/csv",
        "SplitType": "Line"
    }
}

若要在 中指定資料欄 SageMaker，請使用陣列元素的索引。第一欄是索引 0，第二欄是索引 1，第六欄是索引 5。

若要排除輸入的首欄，請將 InputFilter 設為 "$[1:]"。冒號 （:） 會指示 SageMaker 包含兩個值之間的所有元素，包括在內。例如，$[1:4] 指定第二欄到第五欄。

如果您省略冒號後面的數字，例如 [5:]，則子集會包含從第六欄到最後一欄的所有欄。如果您省略冒號前面的數字，例如 [:5]，則子集會包含從第一欄 (索引 0) 到第六欄的所有欄。

範例：輸出與 ID 資料欄聯結的推論，並從輸入 （CSV） 中排除 ID 資料欄

如果您使用的是 Amazon SageMaker Python SDK，您可以指定輸出，透過在轉換器呼叫output_filter中指定 ，只將特定輸入資料欄 （例如 ID 資料欄） 與推論聯結。output_filter 使用JSONPath子運算式來指定在將輸入資料與推論結果結合之後，要傳回哪些資料欄作為輸出。以下請求顯示，如何在排除 ID 欄的同時進行預測，然後將 ID 欄與推論聯結。請注意，在以下範例，輸出的尾欄 (-1) 包含推論。如果您使用 JSON 檔案， 會將推論結果 SageMaker 儲存在 屬性 中SageMakerOutput。如需參數及其接受值的詳細資訊，請參閱 Amazon SageMaker Python SDK中的轉換器頁面。

sm_transformer = sagemaker.transformer.Transformer(…, assemble_with="Line", accept="text/csv")
sm_transformer.transform(…, split_type="Line", content_type="text/csv", input_filter="$[1:]", join_source="Input", output_filter="$[0,-1]")

如果您使用的是 for Python AWS SDK（Boto 3），則只需將下列程式碼新增至您的CreateTransformJob請求，即可將 ID 資料欄加入推論。

{
    "DataProcessing": {
        "InputFilter": "$[1:]",
        "JoinSource": "Input",
        "OutputFilter": "$[0,-1]"
    },
    "TransformOutput": {
        "Accept": "text/csv",
        "AssembleWith": "Line"
    },
    "TransformInput": {
        "ContentType": "text/csv",
        "SplitType": "Line"
    }
}