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.

Antwortformate von linearen Learnern

JSON-Antwortformat

Alle in Amazon SageMaker AI integrierten Algorithmen entsprechen dem unter Gängige Datenformate – Inferenz beschriebenen gängigen Eingabeformat für Inferenz. Im Folgenden sind die verfügbaren Ausgabeformate für den linearen Lernalgorithmus von SageMaker AI aufgeführt.

Binäre Klassifikation

let response =   {
    "predictions":    [
        {
            "score": 0.4,
            "predicted_label": 0
        } 
    ]
}

Mehrklassen-Klassifizierung

let response =   {
    "predictions":    [
        {
            "score": [0.1, 0.2, 0.4, 0.3],
            "predicted_label": 2
        } 
    ]
}

Regression

let response =   {
    "predictions":    [
        {
            "score": 0.4
        } 
    ]
}

JSONLINES-Antwortformat

Binäre Klassifikation

{"score": 0.4, "predicted_label": 0}

Mehrklassen-Klassifizierung

{"score": [0.1, 0.2, 0.4, 0.3], "predicted_label": 2}

Regression

{"score": 0.4}

RECORDIO-Antwortformat

Binäre Klassifikation

[
    Record = {
        features = {},
        label = {
            'score': {
                keys: [],
                values: [0.4]  # float32
            },
            'predicted_label': {
                keys: [],
                values: [0.0]  # float32
            }
        }
    }
]

Mehrklassen-Klassifizierung

[
    Record = {
    "features": [],
    "label":    {
            "score":  {
                    "values":   [0.1, 0.2, 0.3, 0.4]   
            },
            "predicted_label":  {
                    "values":   [3]
            }
       },
    "uid":  "abc123",
    "metadata": "{created_at: '2017-06-03'}"
   }
]

Regression

[
    Record = {
        features = {},
        label = {
            'score': {
                keys: [],
                values: [0.4]  # float32
            }   
        }
    }
]