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。

準備模型建置的資料

您的機器學習資料集可能需要資料準備才能建立模型。由於各種問題 (可能包括缺少值或極端值)，您可能希望清理資料，並執行特徵工程以提高模型的準確性。Amazon SageMaker Canvas 提供 ML 資料轉換，您可以使用這些轉換來清理、轉換和準備資料以進行模型建置。您可以在資料集上使用這些轉換，而不需要任何程式碼。 SageMaker Canvas 會將您使用的轉換新增至模型配方 ，這是在建置模型之前對資料完成的資料準備記錄。您使用的任何資料轉換只會修改用於模型建置的輸入資料，而不會修改原始資料來源。

資料集的預覽會顯示資料集的前 100 列。如果資料集的列數超過 20,000 個，Canvas 會隨機取樣 20,000 列的樣本，並預覽該樣本中的前 100 列。您只能搜尋和指定預覽資料列中的數值，而篩選功能只會篩選預覽的資料列，而不非整個資料集。

下列轉換可在 SageMaker Canvas 中供您準備資料以供建置。

卸除資料欄

您可以在 SageMaker Canvas 應用程式的建置索引標籤中捨棄資料欄，以從模型建置中排除資料欄。取消選取要放置的資料欄柱，建置模型時不會包含該資料欄。

篩選資料列

篩選功能會根據您指定的條件篩選預覽的資料列 (資料集的前 100 個資料列)。篩選列可建立資料的暫時預覽，不會影響模型建置。您可以篩選以預覽缺少值、包含極端值或符合所選欄中的自訂條件的列。

依缺少值篩選資料列

缺少值是機器學習資料集中常見的情況。如果某些欄中有 Null 或空值的資料列，您可能會想要篩選並預覽這些資料列。

若要從預覽資料中篩選缺少值，請執行下列動作。

SageMaker Canvas 篩選條件適用於包含所選資料欄中遺失值的資料列，並提供已篩選資料列的預覽。

依極端值篩選資料列

異常值，或資料分佈和範圍內的罕見值，可能會對模型準確度造成負面影響，並導致更長的建置時間。 SageMaker Canvas 可讓您偵測和篩選包含數值欄中異常值的資料列。您可以選擇使用標準偏差或自訂範圍來定義極端值。

若要篩選資料中的極端值，請執行以下操作。

標準偏差選項會使用平均值和標準偏差來偵測並篩選數值欄中的極端值。您也可以指定標準偏差的數值，其值必須與平均值不同，才能被視為極端值。例如，如果您指定 3 為 SD，則值必須與平均值的標準偏差必須超過 3，才能被視為極端值。

自訂範圍選項會使用最小值和最大值偵測並篩選數值欄中的極端值。如果您知道可分隔極端值的閾值，請使用此方法。您可以將範圍的類型設定為百分位數或數字。如果您選擇百分位數，則 下限與上限值應為您要允許的百分位數範圍 (0-100) 的最小值和最大值。如果您選擇數字，則下限和上限值應為您要在資料中篩選的最小和最大數值。

按自訂值篩選資料列

您可以篩選具有符合自訂條件數值的資料列。例如，您可能希望在刪除之前預覽價格值大於 100 的資料列。您可以使用此功能，篩選超出所設定閾值的列，並預覽所篩選的資料。

若要使用自訂篩選器功能，請執行下列動作。

針對作業，您可以選擇以下其中一個選項。請注意，可用的作業取決於您選擇的資料欄的資料類型。例如，您無法為包含文字值的資料欄建立 is greater than 作業。

設定篩選操作後， SageMaker Canvas 會更新資料集的預覽，以顯示篩選的資料。

函式和運算子

您可以使用數學函式和運算子來探索和發佈資料。您可以使用 SageMaker Canvas 支援的函數，或使用現有資料建立自己的公式，並使用公式結果建立新的資料欄。例如，您可以新增兩欄的對應值，並將結果儲存至新資料欄。

您可以巢狀化陳述式來建立更複雜的函式。以下是一些您可能使用的巢狀化函式範例。

您可以在建置模型之前，在資料準備階段指定函式。若要使用函式，請執行下列動作。

SageMaker Canvas 會使用您在新資料欄名稱 中指定的名稱，將函數的結果儲存至新資料欄。您可以從模型配方面板中檢視或移除函式。

SageMaker Canvas 支援下列函數運算子。您可以使用文字格式或內嵌格式來指定函式。

SageMaker Canvas 也支援彙總運算子，可以執行運算，例如計算所有值的總和或尋找資料欄中的最小值。您可以將彙總運算子與函式中的標準運算子結合使用。例如，若要計算值與平均值的差異，您可以使用函數 Abs(height – avg(height))。 SageMaker Canvas 支援下列彙總運算子。

管理資料列

透過管理資料列轉換，您可以執行排序、隨機顯示，以及從資料集中移除資料列。

排序列

若要依指定資料欄排序資料集中的資料列，請執行下列動作。

隨機顯示資料列

若要隨機顯示資料集中的資料列，請執行下列動作。

捨棄重複的資料列

若要移除資料集中重複的資料列，請執行下列動作。

按缺少值刪除資料行

缺少值是機器學習資料集中常見的情況，且會影響模型準確度。如果您想要捨棄特定資料欄中含有 Null 或空值的資料列，請使用此轉換。

若要移除指定欄中包含缺少值的列，請執行下列動作。

SageMaker Canvas 會在您選取的資料欄中捨棄包含遺失值的資料列。從資料集中移除資料列後， SageMaker Canvas 會在模型配方區段中新增轉換。如果您從模型配方區段移除轉換，則資料列會傳回資料集。

按極端值刪除資料行

極端值或資料分佈和範圍中的罕見值可能會對模型準確性產生負面影響，並導致更長的建置時間。使用 SageMaker Canvas，您可以偵測和移除包含數值欄中異常值的資料列。您可以選擇使用標準偏差或自訂範圍來定義極端值。

若要移除資料中的極端值，請執行以下操作。

Standard deviation (標準偏差) 選項會使用平均值和標準偏差來偵測並移除數值欄中的極端值。您也可以指定標準偏差的數值，其值必須與平均值不同，才能被視為極端值。例如，如果您指定 3 為標準偏差，則該值必須與平均值的標準偏差必須超過 3，才能被視為極端值。

Custom numeric range (自訂數值範圍) 和 Custom quantile range (自訂分位數範圍) 選項會使用最小值和最大值偵測並移除數值欄中的極端值。如果您知道可分隔極端值的閾值，請使用此方法。如果您選擇數值範圍，則 Min (下限) 和 Max (上限) 值應為您要在資料中允許的最小和最大數值。如果您選擇分位數範圍，則 Min (下限) 與 Max (上限) 值應為您要允許的百分位數範圍 (0-100) 的最小值和最大值。

從資料集中移除資料列後， SageMaker Canvas 會在模型配方區段中新增轉換。如果您從模型配方區段移除轉換，則資料列會傳回資料集。

依自訂值刪除資料列

您可以移除 具有符合自訂條件數值的資料列。例如建置模型時，您可能想要排除價格值大於 100 的所有列。透過此轉換，您可以建立一個規則，以移除超出所設定閾值的所有資料列。

若要使用自訂移除轉換，請執行下列動作。

針對 Operation (作業)，您可以選擇以下其中一個選項。請注意，可用的作業取決於您選擇的資料欄的資料類型。例如，您無法為包含文字值的資料欄建立 is greater than 作業。

從資料集中移除資料列後， SageMaker Canvas 會在模型配方區段中新增轉換。如果您從模型配方區段移除轉換，則資料列會傳回資料集。

重新命名欄

透過重新命名資料欄轉換，您可以重新命名資料中的欄。當您重新命名資料欄時， SageMaker Canvas 會變更模型輸入中的資料欄名稱。

您可以按兩下 SageMaker Canvas 應用程式建置標籤中的資料欄名稱，然後輸入新名稱，以重新命名資料集中的資料欄。按 Enter Key (輸入索引鍵) 可提交變更，按一下輸入外的任意位置可取消變更。您也可以按一下位於清單檢視中列末端或在網格檢視中標題儲存格結尾處的的 More options (更多選項) 圖示 ( )，然後選擇 Rename (重新命名) 來重新命名資料欄。

您的資料欄名稱不得超過 32 個字元，或有雙底線 (__)，也無法將資料欄重新命名為與另一資料欄相同的名稱。您也無法重新命名捨棄的資料欄。

下列螢幕擷取畫面顯示如何按兩下欄位名稱來重新命名資料欄。

當您重新命名資料欄時， SageMaker Canvas 會在模型配方區段中新增轉換。如果您從 Model recipe (模型配方) 區段中移除轉換，則該欄會還原為其原始名稱。

管理欄

透過下列轉換，您可以變更資料欄的資料類型，並取代特定資料欄的遺失值或異常值。 SageMaker Canvas 會在建置模型時使用更新的資料類型或值，但不會變更原始資料集。請注意，如果您使用 卸除資料欄 轉換從資料集中捨棄資料欄，就無法取代該資料欄中的值。

取代遺失值

缺少值是機器學習資料集中常見的情況，且會影響模型準確度。您可以選擇捨棄具有缺少值的列，但如果您選擇取代遺失值，則模型會更準確。透過此轉換，您可以將數值欄中遺失值取代為欄中資料的平均值或中間值，或者可以指定自訂值取代遺失值。針對非數字欄，您可以使用欄的模式 (最常用的值) 或自訂值來取代遺失值。

如果您想要取代特定資料欄中含有的 Null 或空值，請使用此轉換。若要在指定欄中取代遺失值，請執行下列動作。

取代資料集中的遺失值後， SageMaker Canvas 會在模型配方區段中新增轉換。如果您從 Model recipe (模型配方) 區段移除轉換，則缺少值會傳回資料集。

取代極端值

異常值，或資料分佈和範圍內的罕見值，可能會對模型準確度造成負面影響，並導致更長的建置時間。 SageMaker Canvas 可讓您偵測數值欄中的異常值，並將異常值取代為資料中可接受範圍內的值。您可以選擇使用標準偏差或自訂範圍來定義極端值，也可以使用接受範圍內的最小值和最大值來取代極端值。

若要取代資料中的極端值，請執行以下操作。

Standard deviation (標準偏差) 選項會使用平均值和標準偏差來偵測數值欄中的極端值。您也可以指定標準偏差的數值，其值必須與平均值不同，才能被視為極端值。例如，如果您為標準差 指定 3，則值必須偏離平均值超過 3 個標準差，才能視為異常值。 SageMaker Canvas 會將異常值取代為可接受範圍內的最小值或最大值。例如，如果您將標準差設定為僅包含 200–300 的值，則 SageMaker Canvas 會將 198 的值變更為 200 （最小值）。

Custom numeric range (自訂數值範圍) 和 Custom quantile range (自訂分位數範圍)選項會使用最小值和最大值偵測數值欄中的極端值。如果您知道可分隔極端值的閾值，請使用此方法。如果您選擇數值範圍，最小值和最大值應該是您想要允許的最小值和最大值。 SageMaker Canvas 會將落在最小值和最大值之外的任何值替換為最小值和最大值。例如，如果您的範圍僅允許 1–100 的值，則 SageMaker Canvas 會將 102 的值變更為 100 （最大值）。如果您選擇分位數範圍，則 Min (下限) 與 Max (上限) 值應為您要允許的百分位數範圍 (0-100) 的最小值和最大值。

取代資料集中的值後， SageMaker Canvas 會在模型配方區段中新增轉換。如果您從 Model recipe (模型配方) 區段移除轉換，則原始值會傳回資料集。

變更資料類型

SageMaker Canvas 可讓您在數值、文字和日期時間之間變更資料欄的資料類型，同時顯示該資料類型的相關功能類型。資料類型是指資料的格式及其儲存方式，而特徵類型則是指機器學習演算法 (例如二進位或分類) 中所使用之資料的特性。這使您可以有彈性地根據功能手動更改資料欄中的資料類型。在建置模型之前，選擇正確的資料類型可確保資料完整性和準確性。建置模型時會使用這些資料類型。

下表列出了所有 Canvas 支援的資料類型。

下表列出了所有 Canvas 支援的特徵類型。

若要修改資料集中資料欄的資料類型，請執行下列動作。

您的資料欄資料類型現在應該被更新。

準備時間序列資料

使用下列功能來準備時間序列資料，以建立時間序列預測模型。

重新取樣時間序列資料

透過重新取樣時間序列資料，您可以為時間序列資料集中的觀察建立固定的間隔。這在處理包含不規則間隔觀察值的時間序列資料時特別有用。例如您可以使用重新取樣，將每隔一小時、兩小時和三小時間隔記錄一次觀察值的資料集，轉換為每次觀測之間固定一小時間隔。預測演算法需要定期取樣觀察值。

若要重新取樣時間序列資料，請執行下列動作。

下表列出重新取樣時間序列資料時可選取的所有 Frequency (頻率) 類型。

套用重新取樣轉換時，您可以使用進階選項，指定如何修改資料集中其餘資料欄 (時間戳記欄除外) 的結果值。這可以透過指定重新取樣方法來實現，該方法可以是數值和非數值欄的縮減取樣或向上取樣。

縮減取樣會增加資料集中觀察值取樣的間隔時間。例如，如果您縮減取樣每小時或每兩個小時取樣一次的觀察值，則資料集中的每個觀察值會每兩小時取樣一次。每小時觀察值的其他資料欄的值使用組合方法，被彙總為單一值。下表顯示使用均值作為組合方法以縮減取樣時間序列資料的範例。資料會從每兩個小時縮減取樣到每小時一次。

下表顯示縮減取樣前一天的每小時溫度讀數。

下表顯示縮減取樣至每兩小時的溫度讀數。

若要縮減時間序列資料的取樣，請執行下列動作：

如果未指定組合方法，則 Non-numeric combination (非數字組合) 為 Most Common 和 Numeric combination (數字組合) 為 Mean。下表列出了數值和非數值組合的方法清單。

擴大取樣會縮減資料集中觀察取樣的間隔時間。例如，如果您將每兩個小時採樣一次的觀測值擴大取樣為每一小時取樣一次，則每小時觀察的其他資料欄的值是從每兩小時獲得的值內插入的。

若要向上取樣時間序列資料，請執行下列動作：

如果未指定估算方法，則預設值 Forward Fill適用於 Non-numeric estimation (非數值估算) 和 Linear適用於 Numeric estimation (數值估算)。下表會列出用於估算的方法。

下列螢幕擷取畫面顯示 Advanced (進階) 設定，其中已填寫縮減取樣和向上取樣欄位。

使用日期時間擷取

透過日期時間擷取轉換，您可以將日期時間資料欄中的值擷取至不同的資料欄。例如，如果您有一個包含購買日期的欄，則可以將月份值擷取至單獨的欄，並在建置模型時使用新欄。您也可以透過單一轉換來擷取多個值至不同的資料欄。

您的日期時間欄必須使用支援的時間戳記格式。如需 SageMaker Canvas 支援的格式清單，請參閱 Amazon SageMaker Canvas 中的時間序列預測。如果您的資料集未使用其中一種支援的格式，請更新資料集以使用支援的時間戳記格式，並在建置模型之前將其重新匯入 Amazon SageMaker Canvas。

要執行日期時間擷取，請執行以下操作。

SageMaker Canvas 會為您擷取的每個值在資料集中建立新的資料欄。除了年份值之外， SageMaker Canvas 會針對擷取的值使用以 0 為基礎的編碼。例如，如果您擷取 Month (月) 值，則一月會擷取為 0，而二月則為 1。

您可以在 Model recipe (模型配方) 區段中看到列出的轉換。如果您從 Model recipe (模型配方) 區段移除轉換，則新資料欄會從資料集中移除。