Terjemahan disediakan oleh mesin penerjemah. Jika konten terjemahan yang diberikan bertentangan dengan versi bahasa Inggris aslinya, utamakan versi bahasa Inggris.

Format file pelatihan pengklasifikasi

Untuk model teks biasa, Anda dapat menyediakan data pelatihan pengklasifikasi sebagai file CSV atau sebagai file manifes tambahan yang Anda buat menggunakan SageMaker AI Ground Truth. File CSV atau file manifes ditambah menyertakan teks untuk setiap dokumen pelatihan, dan label terkait.

Untuk model dokumen asli, Anda menyediakan data pelatihan Classifier sebagai file CSV. File CSV menyertakan nama file untuk setiap dokumen pelatihan, dan label terkait. Anda menyertakan dokumen pelatihan di folder input Amazon S3 untuk pekerjaan pelatihan.

File CSV

Anda memberikan data pelatihan berlabel sebagai teks yang UTF-8 dikodekan dalam file CSV. Jangan sertakan baris header. Menambahkan baris header dalam file Anda dapat menyebabkan kesalahan runtime.

Untuk setiap baris dalam file CSV, kolom pertama berisi satu atau lebih label kelas, label kelas dapat berupa UTF-8 string yang valid. Sebaiknya gunakan nama kelas yang jelas yang tidak tumpang tindih artinya. Nama dapat mencakup spasi putih, dan dapat terdiri dari beberapa kata yang dihubungkan oleh garis bawah atau tanda hubung.

Jangan tinggalkan karakter spasi sebelum atau sesudah koma yang memisahkan nilai berturut-turut.

Konten yang tepat dari file CSV tergantung pada mode pengklasifikasi dan jenis data pelatihan. Untuk detailnya, lihat bagian pada Multi-class Modus danMulti-label Modus.

File manifes yang diperbesar

File manifes tambahan adalah kumpulan data berlabel yang Anda buat menggunakan SageMaker AI Ground Truth. Ground Truth adalah layanan pelabelan data yang membantu Anda—atau tenaga kerja yang Anda pekerjaan—untuk membangun kumpulan data pelatihan untuk model pembelajaran mesin.

Untuk informasi selengkapnya tentang Ground Truth dan output yang dihasilkannya, lihat Menggunakan SageMaker AI Ground Truth untuk Label Data di Panduan Pengembang SageMaker AI Amazon.

File manifes yang diperbesar dalam format baris JSON. Dalam file-file ini, setiap baris adalah objek JSON lengkap yang berisi dokumen pelatihan dan label terkait. Konten yang tepat dari setiap baris tergantung pada mode pengklasifikasi. Untuk detailnya, lihat bagian pada Multi-class Modus danMulti-label Modus.

Saat Anda memberikan data pelatihan Anda ke Amazon Comprecept, Anda menentukan satu atau beberapa nama atribut label. Berapa banyak nama atribut yang Anda tentukan tergantung pada apakah file manifes tambahan Anda adalah output dari pekerjaan pelabelan tunggal atau pekerjaan pelabelan beranTAI.

Jika file Anda adalah output dari pekerjaan pelabelan tunggal, tentukan nama atribut label tunggal dari pekerjaan Ground Truth.

Jika file Anda adalah output dari pekerjaan pelabelan beranTAI, tentukan nama atribut label untuk satu atau lebih pekerjaan dalam rantai. Setiap nama atribut label menyediakan anotasi dari pekerjaan individual. Anda dapat menentukan hingga 5 atribut ini untuk file manifes tambahan dari pekerjaan pelabelan beranTAI.

Untuk informasi selengkapnya tentang pekerjaan pelabelan beranTAI, dan untuk contoh output yang dihasilkannya, lihat Pekerjaan Pelabelan Rantain di Panduan Pengembang SageMaker AI Amazon.