Las traducciones son generadas a través de traducción automática. En caso de conflicto entre la traducción y la version original de inglés, prevalecerá la version en inglés.
# Datos de serie temporal
Los datos de series temporales se refieren a los datos que se pueden cargar en un marco de datos tridimensional. En el marco, en cada marca de tiempo, cada fila representa un registro objetivo, y cada registro objetivo tiene una o más columnas relacionadas. Los valores de cada celda del marco de datos pueden ser de tipo numérico, categórico o de texto.
## Requisitos previos del conjunto de datos de series temporales
Antes del análisis, complete los pasos de preprocesamiento necesarios para preparar los datos, como la limpieza de datos o la ingeniería de características. Puede proporcionar uno o varios conjuntos de datos. Si proporciona varios conjuntos de datos, utilice uno de los siguientes métodos para proporcionarlos al trabajo de procesamiento de SageMaker Clarify:
+ Utilice una configuración con [ProcessingInput](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_ProcessingInput.html)nombre `dataset` o de análisis `dataset_uri` para especificar el conjunto de datos principal. Para obtener más información sobre `dataset_uri`, consulte la lista de parámetros en [Archivos de configuración del análisis](clarify-processing-job-configure-analysis.md).
+ Utilice el parámetro `baseline` proporcionado en el archivo de configuración del análisis. El conjunto de datos de referencia es necesario para `static_covariates`, si está presente. Para obtener más información sobre el archivo de configuración del análisis, incluidos ejemplos, consulte [Archivos de configuración del análisis](clarify-processing-job-configure-analysis.md).
En la siguiente tabla se enumeran los formatos de datos compatibles, sus extensiones de archivo y los tipos MIME.
| Formato de los datos | Extensión de archivo | Tipo MIME |
| --- | --- | --- |
| `item_records` | json | `application/json` |
| `timestamp_records` | json | `application/json` |
| `columns` | json | `application/json` |
JSON es un formato flexible que puede representar cualquier nivel de complejidad en sus datos estructurados. Como se muestra en la tabla, SageMaker Clarify admite los formatos `item_records``timestamp_records`, y`columns`.
## Ejemplos de configuración de conjuntos de datos de series temporales
Esta sección le muestra cómo establecer una configuración de análisis utilizando `time_series_data_config` para los datos de series temporales en formato JSON. Suponga que tiene un conjunto de datos con dos elementos, cada uno con una marca de tiempo (t), una serie temporal objetivo (x), dos series temporales relacionadas (r) y dos covariables estáticas (u), de la siguiente manera:
t1 = [0,1,2], t2 = [2,3]
x1 = [5,6,4], x2 = [0,4]
r1 = [0,1,0], r21 = [1,1]
r12 = [0,0,0], r22 = [1,0]
u11 = -1, u21 = 0
u12 = 1, u22 = 2
Puede codificar el conjunto de datos con `time_series_data_config` de tres maneras diferentes, según `dataset_format`. En las secciones siguientes se describe cada método.
### Configuración de datos de series temporales cuando `dataset_format` es `columns`
En el ejemplo siguiente se utiliza el valor `columns` para `dataset_format`. El siguiente archivo JSON representa el conjunto de datos anterior.
```
{
"ids": [1, 1, 1, 2, 2],
"timestamps": [0, 1, 2, 2, 3], # t
"target_ts": [5, 6, 4, 0, 4], # x
"rts1": [0, 1, 0, 1, 1], # r1
"rts2": [0, 0, 0, 1, 0], # r2
"scv1": [-1, -1, -1, 0, 0], # u1
"scv2": [1, 1, 1, 2, 2], # u2
}
```
Tenga en cuenta que los ID de los elementos se repiten en el campo `ids`. A continuación, se muestra la implementación correcta de `time_series_data_config`:
```
"time_series_data_config": {
"item_id": "ids",
"timestamp": "timestamps",
"target_time_series": "target_ts",
"related_time_series": ["rts1", "rts2"],
"static_covariates": ["scv1", "scv2"],
"dataset_format": "columns"
}
```
### Configuración de datos de series temporales cuando `dataset_format` es `item_records`
En el ejemplo siguiente se utiliza el valor `item_records` para `dataset_format`. El siguiente archivo JSON representa el conjunto de datos.
```
[
{
"id": 1,
"scv1": -1,
"scv2": 1,
"timeseries": [
{"timestamp": 0, "target_ts": 5, "rts1": 0, "rts2": 0},
{"timestamp": 1, "target_ts": 6, "rts1": 1, "rts2": 0},
{"timestamp": 2, "target_ts": 4, "rts1": 0, "rts2": 0}
]
},
{
"id": 2,
"scv1": 0,
"scv2": 2,
"timeseries": [
{"timestamp": 2, "target_ts": 0, "rts1": 1, "rts2": 1},
{"timestamp": 3, "target_ts": 4, "rts1": 1, "rts2": 0}
]
}
]
```
Cada elemento se representa como una entrada independiente en el JSON. En el siguiente fragmento se muestra el correspondiente `time_series_data_config` (que utiliza JMESPath).
```
"time_series_data_config": {
"item_id": "[*].id",
"timestamp": "[*].timeseries[].timestamp",
"target_time_series": "[*].timeseries[].target_ts",
"related_time_series": ["[*].timeseries[].rts1", "[*].timeseries[].rts2"],
"static_covariates": ["[*].scv1", "[*].scv2"],
"dataset_format": "item_records"
}
```
### Configuración de datos de series temporales cuando `dataset_format` es `timestamp_record`
En el ejemplo siguiente se utiliza el valor `timestamp_record` para `dataset_format`. El siguiente archivo JSON representa el conjunto de datos anterior.
```
[
{"id": 1, "timestamp": 0, "target_ts": 5, "rts1": 0, "rts2": 0, "svc1": -1, "svc2": 1},
{"id": 1, "timestamp": 1, "target_ts": 6, "rts1": 1, "rts2": 0, "svc1": -1, "svc2": 1},
{"id": 1, "timestamp": 2, "target_ts": 4, "rts1": 0, "rts2": 0, "svc1": -1, "svc2": 1},
{"id": 2, "timestamp": 2, "target_ts": 0, "rts1": 1, "rts2": 1, "svc1": 0, "svc2": 2},
{"id": 2, "timestamp": 3, "target_ts": 4, "rts1": 1, "rts2": 0, "svc1": 0, "svc2": 2},
]
```
Cada entrada del JSON representa una marca de tiempo única y corresponde a un único elemento. A continuación, se muestra la implementación de `time_series_data_config`:
```
{
"item_id": "[*].id",
"timestamp": "[*].timestamp",
"target_time_series": "[*].target_ts",
"related_time_series": ["[*].rts1"],
"static_covariates": ["[*].scv1"],
"dataset_format": "timestamp_records"
}
```