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.
# IP Insights-Datenformate
Dieser Abschnitt enthält Beispiele der verfügbaren Eingabe- und Ausgabedatenformate, die der IP Insights-Algorithmus während des Trainings und der Inferenz verwendet.
**Topics**
+ [IP Insights – Datenformate für das Training](ip-insights-training-data-formats.md)
+ [IP Insights-Inferenzdatenformate](ip-insights-inference-data-formats.md)
# IP Insights – Datenformate für das Training
Im Folgenden sind die verfügbaren Dateneingabeformate für den IP Insights-Algorithmus aufgeführt. Die integrierten Algorithmen von Amazon SageMaker AI halten sich an das allgemeine Eingabe-Trainingsformat, das unter beschrieben ist[Gängige Datenformate für Trainings](cdf-training.md). Der SageMaker AI IP Insights-Algorithmus unterstützt derzeit jedoch nur das CSV-Dateneingabeformat.
## IP Insights – Eingabedatenformate für das Training
### EINGABE: CSV
Die CSV-Datei muss zwei Spalten enthalten. Die erste Spalte ist eine opake Zeichenfolge, die der eindeutigen Kennung einer Entity entspricht. Die zweite Spalte enthält die IPv4 Adresse des Zugriffsereignisses der Entität in Dezimalpunktschreibweise.
Inhaltstyp: text/csv
```
entity_id_1, 192.168.1.2
entity_id_2, 10.10.1.2
```
# IP Insights-Inferenzdatenformate
Im Folgenden sind die verfügbaren Eingabe- und Ausgabeformate für den IP Insights-Algorithmus aufgeführt. Die integrierten Algorithmen von Amazon SageMaker AI halten sich an das unter beschriebene allgemeine Eingabe-Inferenzformat. [Gängige Datenformate für die Inferenz](cdf-inference.md) Der SageMaker AI IP Insights-Algorithmus unterstützt derzeit jedoch nicht das RecordIO-Format.
## IP Insights-Eingabeanforderungsformate
### EINGABE: CSV-Format
Die CSV-Datei muss zwei Spalten enthalten. Die erste Spalte ist eine opake Zeichenfolge, die der eindeutigen Kennung einer Entity entspricht. Die zweite Spalte enthält die IPv4 Adresse des Zugriffsereignisses der Entität in Dezimalpunktschreibweise.
Inhaltstyp: text/csv
```
entity_id_1, 192.168.1.2
entity_id_2, 10.10.1.2
```
### EINGABE: JSON-Format
JSON-Daten können in verschiedenen Formaten zur Verfügung gestellt werden. IP Insights folgt den gängigen SageMaker KI-Formaten. Weitere Informationen zu Inferenzformaten finden Sie unter [Gängige Datenformate für die Inferenz](cdf-inference.md).
Inhaltstyp: application/json
```
{
"instances": [
{"data": {"features": {"values": ["entity_id_1", "192.168.1.2"]}}},
{"features": ["entity_id_2", "10.10.1.2"]}
]
}
```
### EINGABE: JSONLINES-Format
Der JSON Lines-Inhaltstyp ist für die Ausführung von Stapeltransformationsaufträgen nützlich. Weitere Informationen zu SageMaker KI-Inferenzformaten finden Sie unter[Gängige Datenformate für die Inferenz](cdf-inference.md). Weitere Informationen zum Ausführen von Stapeltransformationsaufträgen finden Sie unter [Batch-Transformation für Inferenz mit Amazon AI SageMaker](batch-transform.md).
Inhaltstyp: application/jsonlines
```
{"data": {"features": {"values": ["entity_id_1", "192.168.1.2"]}}},
{"features": ["entity_id_2", "10.10.1.2"]}]
```
## IP Insights-Ausgabeantwortformate
### AUSGABE: JSON-Antwortformat
Die Standardausgabe des SageMaker AI IP Insights-Algorithmus erfolgt `dot_product` zwischen der Eingabeentität und der IP-Adresse. Das dot\$1product gibt an, wie kompatibel das Modell die Entity und IP-Adresse berücksichtigt. Das `dot_product` ist unbegrenzt. Um Prognosen zu erstellen, inwieweit ein Ereignis anormal ist, müssen Sie einen Schwellenwert basierend auf Ihrer definierten Verteilung festlegen. Informationen zur Verwendung des `dot_product` zur Erkennung von Anomalien finden Sie unter [Eine Einführung in den SageMaker AIIP Insights-Algorithmus](https://sagemaker-examples.readthedocs.io/en/latest/introduction_to_amazon_algorithms/ipinsights_login/ipinsights-tutorial.html).
Akzeptiert: application/json
```
{
"predictions": [
{"dot_product": 0.0},
{"dot_product": 2.0}
]
}
```
Fortgeschrittene Benutzer können auf die gelernten Entity- und IP-Einbettungen zugreifen, indem sie den zusätzlichen Inhaltstyp-Parameter `verbose=True` im Akzeptiert-Header angeben. Sie können die `entity_embedding` und `ip_embedding` für die Fehlersuche, Visualisierung und Verdeutlichung des Modells verwenden. Darüber hinaus können Sie diese Einbettungen in anderen Machine-Learning-Techniken, wie Klassifizierung oder Clustering, verwenden.
Akzeptiert: application/json;verbose=True
```
{
"predictions": [
{
"dot_product": 0.0,
"entity_embedding": [1.0, 0.0, 0.0],
"ip_embedding": [0.0, 1.0, 0.0]
},
{
"dot_product": 2.0,
"entity_embedding": [1.0, 0.0, 1.0],
"ip_embedding": [1.0, 0.0, 1.0]
}
]
}
```
### AUSGABE: JSONLINES-Antwortformat
akzeptiere: application/jsonlines
```
{"dot_product": 0.0}
{"dot_product": 2.0}
```
Akzeptiert: application/jsonlines; verbose=True
```
{"dot_product": 0.0, "entity_embedding": [1.0, 0.0, 0.0], "ip_embedding": [0.0, 1.0, 0.0]}
{"dot_product": 2.0, "entity_embedding": [1.0, 0.0, 1.0], "ip_embedding": [1.0, 0.0, 1.0]}
```