Die vorliegende Übersetzung wurde maschinell erstellt. Im Falle eines Konflikts oder eines Widerspruchs zwischen dieser übersetzten Fassung und der englischen Fassung (einschließlich infolge von Verzögerungen bei der Übersetzung) ist die englische Fassung maßgeblich.
# Beispiele für die Verwendung von Parametern in additionalParams zur Optimierung der Modelltrainingskonfiguration
Die folgenden Beispiele zeigen, wie die Funktion „AdditionalParams“ in Property-Graph- und RDF-Datenmodellen verwendet werden kann, um verschiedene Aspekte des Modelltrainingsprozesses für eine Neptune ML-Anwendung zu konfigurieren. Die Beispiele decken ein breites Funktionsspektrum ab, darunter die Angabe von Standard-Split-Raten für training/validation/test Daten, die Definition von Aufgaben zur Knotenklassifizierung, Regression und Verbindungsvorhersage sowie die Konfiguration verschiedener Feature-Typen wie numerische Buckets, Texteinbettungen, Datetime und kategoriale Daten. Diese detaillierten Konfigurationen ermöglichen es Ihnen, die Machine-Learning-Pipeline an Ihre spezifischen Daten- und Modellierungsanforderungen anzupassen und so das volle Potenzial der Neptune ML-Funktionen auszuschöpfen.
**Contents**
+ [Beispiele für Eigenschaftsdiagramme mit AdditionalParams](#machine-learning-property-graph-additionalParams-examples)
+ [Angabe einer Standard-Aufteilungsrate für die Modelltrainingskonfiguration](#machine-learning-property-graph-additionalParams-default-split-rate-example)
+ [Angabe einer Knotenklassifizierungsaufgabe für die Modelltrainingskonfiguration](#machine-learning-property-graph-additionalParams-node-classification-example)
+ [Angabe einer Klassifizierungsaufgabe für Knoten mit mehreren Klassen für die Modelltrainingskonfiguration](#machine-learning-property-graph-additionalParams-multi-class-example)
+ [Angabe einer Knotenregressionsaufgabe für die Modelltrainingskonfiguration](#machine-learning-property-graph-additionalParams-node-regression-example)
+ [Angabe einer Kantenklassifizierungsaufgabe für die Modelltrainingskonfiguration](#machine-learning-property-graph-additionalParams-edge-classification-example)
+ [Angabe einer Klassifizierungsaufgabe für Kanten mit mehreren Klassen für die Modelltrainingskonfiguration](#machine-learning-property-graph-additionalParams-multi-edge-classification-example)
+ [Angabe einer Kantenregression für die Modelltrainingskonfiguration](#machine-learning-property-graph-additionalParams-edge-regression-example)
+ [Angabe einer Linkvorhersageaufgabe für die Modelltrainingskonfiguration](#machine-learning-property-graph-additionalParams-link-prediction-example)
+ [Angabe eines numerischen Bucket-Features](#machine-learning-property-graph-additionalParams-numeric-bucket-example)
+ [Angabe eines `Word2Vec`-Features](#machine-learning-property-graph-additionalParams-word2vec-example)
+ [Angabe eines `FastText`-Features](#machine-learning-property-graph-additionalParams-fasttext-example)
+ [Angabe eines `Sentence BERT`-Features](#machine-learning-property-graph-additionalParams-sbert-example)
+ [Angabe eines `TF-IDF`-Features](#machine-learning-property-graph-additionalParams-tf-idf-example)
+ [Angabe eines `datetime`-Features](#machine-learning-property-graph-additionalParams-datetime-example)
+ [Angabe eines `category`-Features](#machine-learning-property-graph-additionalParams-category-example)
+ [Angabe eines `numerical`-Features](#machine-learning-property-graph-additionalParams-numerical-example)
+ [Angabe eines `auto`-Features](#machine-learning-property-graph-additionalParams-auto-example)
+ [RDF-Beispiele mit `additionalParams`](#machine-learning-RDF-additionalParams-examples)
+ [Angabe einer Standard-Aufteilungsrate für die Modelltrainingskonfiguration](#machine-learning-RDF-additionalParams-default-split-rate-example)
+ [Angabe einer Knotenklassifizierungsaufgabe für die Modelltrainingskonfiguration](#machine-learning-RDF-additionalParams-node-classification-example)
+ [Angabe einer Knotenregressionsaufgabe für die Modelltrainingskonfiguration](#machine-learning-RDF-additionalParams-node-regression-example)
+ [Angabe einer Linkvorhersageaufgabe für bestimmte Kanten](#machine-learning-RDF-additionalParams-link-prediction-example)
+ [Angabe einer Linkvorhersageaufgabe für alle Kanten](#machine-learning-RDF-additionalParams-link-prediction-example)
## Beispiele für Eigenschaftsdiagramme mit AdditionalParams
### Angabe einer Standard-Aufteilungsrate für die Modelltrainingskonfiguration
Im folgenden Beispiel legt der Parameter `split_rate` die Standard-Aufteilungsrate für das Modelltraining fest. Wenn keine Standard-Aufteilungsrate angegeben ist, verwendet das Training den Wert [0,9, 0,1, 0,0]. Sie können den Standardwert pro Ziel überschreiben, indem Sie für jedes Ziel eine `split_rate` angeben.
Im folgenden Beispiel gibt das Feld `default split_rate` an, dass die Aufteilungsrate `[0.7,0.1,0.2]` verwendet werden sollte, wenn sie nicht pro Ziel überschrieben wird:
```
"additionalParams": {
"neptune_ml": {
"version": "v2.0",
"split_rate": [0.7,0.1,0.2],
"targets": [
(...)
],
"features": [
(...)
]
}
}
```
### Angabe einer Knotenklassifizierungsaufgabe für die Modelltrainingskonfiguration
Zur Angabe der Knoteneigenschaft, die bezeichnete Beispiele für Trainingszwecke enthält, fügen Sie dem Array `targets` ein Element für die Knotenklassifizierung mit `"type" : "classification"` hinzu. Fügen Sie das Feld `split_rate` hinzu, wenn Sie die Standard-Aufteilungsrate überschreiben möchten.
Im folgenden Beispiel zeigt das Ziel `node` an, dass die Eigenschaft `genre` jedes `Movie`-Knotens als Klassenbezeichnung eines Knotens behandelt werden soll. Der Wert `split_rate` überschreibt die Standard-Aufteilungsrate:
```
"additionalParams": {
"neptune_ml": {
"version": "v2.0",
"targets": [
{
"node": "Movie",
"property": "genre",
"type": "classification",
"split_rate": [0.7,0.1,0.2]
}
],
"features": [
(...)
]
}
}
```
### Angabe einer Klassifizierungsaufgabe für Knoten mit mehreren Klassen für die Modelltrainingskonfiguration
Zur Angabe der Knoteneigenschaft, die mehrere bezeichnete Beispiele für Trainingszwecke enthält, fügen Sie mit `"type" : "classification"` dem Ziel-Array ein Knotenklassifikationselement und einen `separator` hinzu, um das Zeichen anzugeben, das zur Aufteilung eines Zieleigenschaftswerts in mehrere kategoriale Werte verwendet werden kann. Fügen Sie das Feld `split_rate` hinzu, wenn Sie die Standard-Aufteilungsrate überschreiben möchten.
Im folgenden Beispiel zeigt das Ziel `node` an, dass die Eigenschaft `genre` jedes `Movie`-Knotens als Klassenbezeichnung eines Knotens behandelt werden soll. Das Feld `separator` zeigt an, dass jede Genre-Eigenschaft mehrere durch Semikolon getrennte Werte enthält:
```
"additionalParams": {
"neptune_ml": {
"version": "v2.0",
"targets": [
{
"node": "Movie",
"property": "genre",
"type": "classification",
"separator": ";"
}
],
"features": [
(...)
]
}
}
```
### Angabe einer Knotenregressionsaufgabe für die Modelltrainingskonfiguration
Zur Angabe der Knoteneigenschaft, die bezeichnete Regressionen für Trainingszwecke enthält, fügen Sie mit `"type" : "regression"` dem Ziel-Array ein Element für die Knotenregression hinzu. Fügen Sie das Feld split\$1rate hinzu, wenn Sie die Standard-Aufteilungsrate überschreiben möchten.
Im folgenden Beispiel zeigt das Ziel `node` an, dass die Eigenschaft `rating` jedes `Movie`-Knotens als Regressionsbezeichnung eines Knotens behandelt werden soll.
```
"additionalParams": {
"neptune_ml": {
"version": "v2.0",
"targets": [
{
"node": "Movie",
"property": "rating",
"type" : "regression",
"split_rate": [0.7,0.1,0.2]
}
],
"features": [
...
]
}
}
```
### Angabe einer Kantenklassifizierungsaufgabe für die Modelltrainingskonfiguration
Zur Angabe der Kanteneigenschaft, die bezeichnete Beispiele für Trainingszwecke enthält, fügen Sie mit `"type" : "regression"` dem Array `targets` ein Kantenelement hinzu. Fügen Sie das Feld split\$1rate hinzu, wenn Sie die Standard-Aufteilungsrate überschreiben möchten.
Das folgende Ziel `edge` zeigt an, dass die Eigenschaft `metAtLocation` jeder `knows`-Kante als Kantenklassenbezeichnung behandelt werden soll:
```
"additionalParams": {
"neptune_ml": {
"version": "v2.0",
"targets": [
{
"edge": ["Person", "knows", "Person"],
"property": "metAtLocation",
"type": "classification"
}
],
"features": [
(...)
]
}
}
```
### Angabe einer Klassifizierungsaufgabe für Kanten mit mehreren Klassen für die Modelltrainingskonfiguration
Zur Angabe der Kanteneigenschaft, die mehrere bezeichnete Beispiele für Trainingszwecke enthält, fügen Sie mit `"type" : "classification"` dem `targets`-Array ein Kantenelement und das Feld `separator` hinzu, um das Zeichen anzugeben, das zur Aufteilung eines Zieleigenschaftswerts in mehrere kategoriale Werte verwendet werden kann. Fügen Sie das Feld `split_rate` hinzu, wenn Sie die Standard-Aufteilungsrate überschreiben möchten.
Das folgende Ziel `edge` zeigt an, dass die Eigenschaft `sentiment` jeder `repliedTo`-Kante als Kantenklassenbezeichnung behandelt werden soll: Das Separatorfeld zeigt an, dass jede Stimmungseigenschaft mehrere durch Komma getrennte Werte enthält:
```
"additionalParams": {
"neptune_ml": {
"version": "v2.0",
"targets": [
{
"edge": ["Person", "repliedTo", "Message"],
"property": "sentiment",
"type": "classification",
"separator": ","
}
],
"features": [
(...)
]
}
}
```
### Angabe einer Kantenregression für die Modelltrainingskonfiguration
Zur Angabe der Kanteneigenschaft, die bezeichnete Regressionsbeispiele für Trainingszwecke enthält, fügen Sie mit `"type" : "regression"` dem Array `targets` das Element `edge` hinzu. Fügen Sie das Feld `split_rate` hinzu, wenn Sie die Standard-Aufteilungsrate überschreiben möchten.
Das folgende Ziel `edge` zeigt an, dass die Eigenschaft `rating` jeder `reviewed`-Kante als Kantenregression behandelt werden soll:
```
"additionalParams": {
"neptune_ml": {
"version": "v2.0",
"targets": [
{
"edge": ["Person", "reviewed", "Movie"],
"property": "rating",
"type" : "regression"
}
],
"features": [
(...)
]
}
}
```
### Angabe einer Linkvorhersageaufgabe für die Modelltrainingskonfiguration
Zur Angabe der Kanten, die für Linkvorhersagetrainings verwendet werden sollen, fügen Sie mit `"type" : "link_prediction"` dem Ziel-Array ein Kantenelement hinzu. Fügen Sie das Feld `split_rate` hinzu, wenn Sie die Standard-Aufteilungsrate überschreiben möchten.
Das folgende Ziel `edge` zeigt an, dass `cites`-Kanten für die Linkvorhersage verwendet werden sollen:
```
"additionalParams": {
"neptune_ml": {
"version": "v2.0",
"targets": [
{
"edge": ["Article", "cites", "Article"],
"type" : "link_prediction"
}
],
"features": [
(...)
]
}
}
```
### Angabe eines numerischen Bucket-Features
Sie können ein numerisches Daten-Feature für eine Knoteneigenschaft angeben, indem Sie `"type": "bucket_numerical"` zum `features`-Array hinzufügen.
Das folgende Feature `node` zeigt an, dass die Eigenschaft `age` jedes `Person`-Knotens als numerisches Bucket-Feature behandelt werden soll:
```
"additionalParams": {
"neptune_ml": {
"targets": [
...
],
"features": [
{
"node": "Person",
"property": "age",
"type": "bucket_numerical",
"range": [1, 100],
"bucket_cnt": 5,
"slide_window_size": 3,
"imputer": "median"
}
]
}
}
```
### Angabe eines `Word2Vec`-Features
Sie können ein `Word2Vec`-Feature für eine Knoteneigenschaft angeben, indem Sie `"type": "text_word2vec"` zum `features`-Array hinzufügen.
Das folgende Feature `node` zeigt an, dass die Eigenschaft `description` jedes `Movie`-Knotens als `Word2Vec`-Feature behandelt werden soll:
```
"additionalParams": {
"neptune_ml": {
"version": "v2.0",
"targets": [
...
],
"features": [
{
"node": "Movie",
"property": "description",
"type": "text_word2vec",
"language": "en_core_web_lg"
}
]
}
}
```
### Angabe eines `FastText`-Features
Sie können ein `FastText`-Feature für eine Knoteneigenschaft angeben, indem Sie `"type": "text_fasttext"` zum `features`-Array hinzufügen. Das Feld `language` ist ein Pflichtfeld und muss einen der folgenden Sprachcodes angeben:
+ `en` (Englisch)
+ `zh` (Chinesisch)
+ `hi` (Hindi)
+ `es` (Spanisch)
+ `fr` (Französisch)
Beachten Sie, dass die `text_fasttext`-Kodierung nicht mehr als eine Sprache gleichzeitig in einem Feature verarbeiten kann.
Das folgende Feature `node` zeigt an, dass die Eigenschaft `description` (Französisch) jedes `Movie`-Knotens als `FastText`-Feature behandelt werden soll:
```
"additionalParams": {
"neptune_ml": {
"version": "v2.0",
"targets": [
...
],
"features": [
{
"node": "Movie",
"property": "description",
"type": "text_fasttext",
"language": "fr",
"max_length": 1024
}
]
}
}
```
### Angabe eines `Sentence BERT`-Features
Sie können ein `Sentence BERT`-Feature für eine Knoteneigenschaft angeben, indem Sie `"type": "text_sbert"` zum `features`-Array hinzufügen. Sie müssen die Sprache nicht angeben, da die Methode Text-Features automatisch mithilfe eines mehrsprachigen Sprachmodells kodiert.
Das folgende Feature `node` zeigt an, dass die Eigenschaft `description` jedes `Movie`-Knotens als `Sentence BERT`-Feature behandelt werden soll:
```
"additionalParams": {
"neptune_ml": {
"version": "v2.0",
"targets": [
...
],
"features": [
{
"node": "Movie",
"property": "description",
"type": "text_sbert128",
}
]
}
}
```
### Angabe eines `TF-IDF`-Features
Sie können ein `TF-IDF`-Feature für eine Knoteneigenschaft angeben, indem Sie `"type": "text_tfidf"` zum `features`-Array hinzufügen.
Das folgende Feature `node` zeigt an, dass die Eigenschaft `bio` jedes `Person`-Knotens als `TF-IDF`-Feature behandelt werden soll:
```
"additionalParams": {
"neptune_ml": {
"version": "v2.0",
"targets": [
...
],
"features": [
{
"node": "Movie",
"property": "bio",
"type": "text_tfidf",
"ngram_range": [1, 2],
"min_df": 5,
"max_features": 1000
}
]
}
}
```
### Angabe eines `datetime`-Features
Beim Exportvorgang werden automatisch `datetime`-Features für Datumseigenschaften inferiert. Wenn Sie jedoch die `datetime_parts` einschränken möchten, die für ein `datetime`-Feature verwendet werden, oder eine Feature-Spezifikation überschreiben möchten, sodass eine Eigenschaft, die normalerweise als `auto`-Feature behandelt würde, explizit als `datetime`-Feature behandelt wird, fügen Sie dem Feature-Array `"type": "datetime"` hinzu.
Das folgende Feature `node` zeigt an, dass die Eigenschaft `createdAt` jedes `Post`-Knotens als `datetime`-Feature behandelt werden soll:
```
"additionalParams": {
"neptune_ml": {
"version": "v2.0",
"targets": [
...
],
"features": [
{
"node": "Post",
"property": "createdAt",
"type": "datetime",
"datetime_parts": ["month", "weekday", "hour"]
}
]
}
}
```
### Angabe eines `category`-Features
Der Exportvorgang inferiert automatisch `auto`-Features für Zeichenfolgeneigenschaften und numerische Eigenschaften, die mehrere Werte enthalten. Für numerische Eigenschaften, die Einzelwerte enthalten, werden `numerical`-Features inferiert. Für Datumseigenschaften werden `datetime`-Features inferiert.
Wenn Sie eine Feature-Spezifikation überschreiben möchten, damit eine Eigenschaft als kategoriales Feature behandelt wird, fügen Sie dem Feature-Array `"type": "category"` hinzu. Wenn die Eigenschaft mehrere Werte enthält, fügen Sie das Feld `separator` hinzu. Beispiel:
```
"additionalParams": {
"neptune_ml": {
"version": "v2.0",
"targets": [
...
],
"features": [
{
"node": "Post",
"property": "tag",
"type": "category",
"separator": "|"
}
]
}
}
```
### Angabe eines `numerical`-Features
Der Exportvorgang inferiert automatisch `auto`-Features für Zeichenfolgeneigenschaften und numerische Eigenschaften, die mehrere Werte enthalten. Für numerische Eigenschaften, die Einzelwerte enthalten, werden `numerical`-Features inferiert. Für Datumseigenschaften werden `datetime`-Features inferiert.
Wenn Sie eine Feature-Spezifikation überschreiben möchten, damit eine Eigenschaft als `numerical`-Feature behandelt wird, fügen Sie dem Feature-Array `"type": "numerical"` hinzu. Wenn die Eigenschaft mehrere Werte enthält, fügen Sie das Feld `separator` hinzu. Beispiel:
```
"additionalParams": {
"neptune_ml": {
"version": "v2.0",
"targets": [
...
],
"features": [
{
"node": "Recording",
"property": "duration",
"type": "numerical",
"separator": ","
}
]
}
}
```
### Angabe eines `auto`-Features
Der Exportvorgang inferiert automatisch `auto`-Features für Zeichenfolgeneigenschaften und numerische Eigenschaften, die mehrere Werte enthalten. Für numerische Eigenschaften, die Einzelwerte enthalten, werden `numerical`-Features inferiert. Für Datumseigenschaften werden `datetime`-Features inferiert.
Wenn Sie eine Feature-Spezifikation überschreiben möchten, damit eine Eigenschaft als `auto`-Feature behandelt wird, fügen Sie dem Feature-Array `"type": "auto"` hinzu. Wenn die Eigenschaft mehrere Werte enthält, fügen Sie das Feld `separator` hinzu. Beispiel:
```
"additionalParams": {
"neptune_ml": {
"version": "v2.0",
"targets": [
...
],
"features": [
{
"node": "User",
"property": "role",
"type": "auto",
"separator": ","
}
]
}
}
```
## RDF-Beispiele mit `additionalParams`
### Angabe einer Standard-Aufteilungsrate für die Modelltrainingskonfiguration
Im folgenden Beispiel legt der Parameter `split_rate` die Standard-Aufteilungsrate für das Modelltraining fest. Wenn keine Standard-Aufteilungsrate angegeben ist, verwendet das Training den Wert [0,9, 0,1, 0,0]. Sie können den Standardwert pro Ziel überschreiben, indem Sie für jedes Ziel eine `split_rate` angeben.
Im folgenden Beispiel gibt das Feld `default split_rate` an, dass die Aufteilungsrate `[0.7,0.1,0.2]` verwendet werden sollte, wenn sie nicht pro Ziel überschrieben wird:
```
"additionalParams": {
"neptune_ml": {
"version": "v2.0",
"split_rate": [0.7,0.1,0.2],
"targets": [
(...)
]
}
}
```
### Angabe einer Knotenklassifizierungsaufgabe für die Modelltrainingskonfiguration
Zur Angabe der Knoteneigenschaft, die bezeichnete Beispiele für Trainingszwecke enthält, fügen Sie dem Array `targets` ein Element für die Knotenklassifizierung mit `"type" : "classification"` hinzu. Fügen Sie ein Knotenfeld hinzu, um den Knotentyp der Zielknoten anzugeben. Fügen Sie ein `predicate`-Feld hinzu, um die Literaldaten zu definieren, die als Zielknoten-Feature des Zielknotens verwendet werden. Fügen Sie das Feld `split_rate` hinzu, wenn Sie die Standard-Aufteilungsrate überschreiben möchten.
Im folgenden Beispiel zeigt das Ziel `node` an, dass die Eigenschaft `genre` jedes `Movie`-Knotens als Klassenbezeichnung eines Knotens behandelt werden soll. Der Wert `split_rate` überschreibt die Standard-Aufteilungsrate:
```
"additionalParams": {
"neptune_ml": {
"version": "v2.0",
"targets": [
{
"node": "http://aws.amazon.com/neptune/csv2rdf/class/Movie",
"predicate": "http://aws.amazon.com/neptune/csv2rdf/datatypeProperty/genre",
"type": "classification",
"split_rate": [0.7,0.1,0.2]
}
]
}
}
```
### Angabe einer Knotenregressionsaufgabe für die Modelltrainingskonfiguration
Zur Angabe der Knoteneigenschaft, die bezeichnete Regressionen für Trainingszwecke enthält, fügen Sie mit `"type" : "regression"` dem Ziel-Array ein Element für die Knotenregression hinzu. Fügen Sie ein `node`-Feld hinzu, um den Knotentyp der Zielknoten anzugeben. Fügen Sie ein `predicate`-Feld hinzu, um die Literaldaten zu definieren, die als Zielknoten-Feature des Zielknotens verwendet werden. Fügen Sie das Feld `split_rate` hinzu, wenn Sie die Standard-Aufteilungsrate überschreiben möchten.
Im folgenden Beispiel zeigt das Ziel `node` an, dass die Eigenschaft `rating` jedes `Movie`-Knotens als Regressionsbezeichnung eines Knotens behandelt werden soll.
```
"additionalParams": {
"neptune_ml": {
"version": "v2.0",
"targets": [
{
"node": "http://aws.amazon.com/neptune/csv2rdf/class/Movie",
"predicate": "http://aws.amazon.com/neptune/csv2rdf/datatypeProperty/rating",
"type": "regression",
"split_rate": [0.7,0.1,0.2]
}
]
}
}
```
### Angabe einer Linkvorhersageaufgabe für bestimmte Kanten
Zur Angabe der Kanten, die für Linkvorhersagetrainings verwendet werden sollen, fügen Sie mit `"type" : "link_prediction"` dem Ziel-Array ein Kantenelement hinzu. Fügen Sie die Felder `subject`, `predicate` und `object` hinzu, um den Kantentyp anzugeben. Fügen Sie das Feld `split_rate` hinzu, wenn Sie die Standard-Aufteilungsrate überschreiben möchten.
Das folgende `edge`-Ziel zeigt an, dass `directed`-Kanten, die `Directors` mit `Movies` verbinden, für die Linkvorhersage verwendet werden sollen:
```
"additionalParams": {
"neptune_ml": {
"version": "v2.0",
"targets": [
{
"subject": "http://aws.amazon.com/neptune/csv2rdf/class/Director",
"predicate": "http://aws.amazon.com/neptune/csv2rdf/datatypeProperty/directed",
"object": "http://aws.amazon.com/neptune/csv2rdf/class/Movie",
"type" : "link_prediction"
}
]
}
}
```
### Angabe einer Linkvorhersageaufgabe für alle Kanten
Um anzugeben, dass alle Kanten für Linkvorhersagetrainings verwendet werden sollen, fügen Sie mit `"type" : "link_prediction"` dem Ziel-Array ein `edge`-Element hinzu. Fügen Sie keine Felder `subject`, `predicate` oder `object` hinzu. Fügen Sie das Feld `split_rate` hinzu, wenn Sie die Standard-Aufteilungsrate überschreiben möchten.
```
"additionalParams": {
"neptune_ml": {
"version": "v2.0",
"targets": [
{
"type" : "link_prediction"
}
]
}
}
```