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

# Bidang target dalam objek neptune\$1ml
<a name="machine-learning-neptune_ml-targets"></a>

`targets`Bidang dalam konfigurasi ekspor data pelatihan JSON berisi array objek target yang menentukan tugas pelatihan dan dan label kelas pembelajaran mesin untuk melatih tugas ini. Isi objek target bervariasi tergantung pada apakah Anda melatih data grafik properti atau data RDF.

Untuk klasifikasi node grafik properti dan tugas regresi, objek target dalam array dapat terlihat seperti ini:

```
{
  "node": "(node property-graph label)",
  "property": "(property name)",
  "type" : "(used to specify classification or regression)",
  "split_rate": [0.8,0.2,0.0],
  "separator": ","
}
```

Untuk tugas klasifikasi tepi grafik properti, regresi atau prediksi tautan, mereka dapat terlihat seperti ini:

```
{
  "edge": "(edge property-graph label)",
  "property": "(property name)",
  "type" : "(used to specify classification, regression or link_prediction)",
  "split_rate": [0.8,0.2,0.0],
  "separator": ","
}
```

Untuk tugas klasifikasi dan regresi RDF, objek target dalam array dapat terlihat seperti ini:

```
{
  "node": "(node type of an RDF node)",
  "predicate": "(predicate IRI)",
  "type" : "(used to specify classification or regression)",
  "split_rate": [0.8,0.2,0.0]
}
```

Untuk tugas prediksi tautan RDF, objek target dalam array dapat terlihat seperti ini::

```
{
  "subject": "(source node type of an edge)",
  "predicate": "(relation type of an edge)",
  "object": "(destination node type of an edge)",
  "type" : "link_prediction",
  "split_rate": [0.8,0.2,0.0]
}
```

Objek target dapat berisi bidang-bidang berikut:

**Contents**
+ [Bidang target grafik properti](#machine-learning-property-graph-neptune_ml-targets)
  + [simpul](#machine-learning-property-graph-neptune_ml-targets-node)
  + [edge](#machine-learning-property-graph-neptune_ml-targets-edge)
  + [properti](#machine-learning-property-graph-neptune_ml-targets-property)
  + [jenis](#machine-learning-property-graph-neptune_ml-targets-type)
  + [split\$1rate](#machine-learning-property-graph-neptune_ml-targets-split_rate)
  + [pemisah](#machine-learning-property-graph-neptune_ml-targets-separator)
+ [Bidang target RDF](#machine-learning-RDF-neptune_ml-targets)
  + [simpul](#machine-learning-RDF-neptune_ml-targets-node)
  + [subjek](#machine-learning-RDF-neptune_ml-targets-subject)
  + [predikat](#machine-learning-RDF-neptune_ml-targets-predicate)
  + [object](#machine-learning-RDF-neptune_ml-targets-object)
  + [jenis](#machine-learning-RDF-neptune_ml-targets-type)
  + [split\$1rate](#machine-learning-RDF-neptune_ml-targets-split_rate)

## Bidang dalam objek target grafik properti
<a name="machine-learning-property-graph-neptune_ml-targets"></a>

### Bidang node (vertex) dalam objek target
<a name="machine-learning-property-graph-neptune_ml-targets-node"></a>

Label grafik properti dari simpul target (simpul). Objek target harus mengandung `node` elemen atau `edge` elemen, tetapi tidak keduanya.

A `node` dapat mengambil salah satu nilai tunggal, seperti ini:

```
  "node": "Movie"
```

Atau, dalam kasus simpul multi-label, dapat mengambil array nilai, seperti ini:

```
  "node": ["Content", "Movie"]
```

### Bidang tepi dalam objek target grafik properti
<a name="machine-learning-property-graph-neptune_ml-targets-edge"></a>

Menentukan tepi target dengan label node awal, labelnya sendiri, dan label end-node nya. Objek target harus mengandung `edge` elemen atau `node` elemen, tetapi tidak keduanya.

Nilai `edge` bidang adalah larik JSON dari tiga string yang mewakili label grafik properti simpul awal, label grafik properti dari tepi itu sendiri, dan label grafik properti simpul akhir, seperti ini:

```
  "edge": ["Person_A", "knows", "Person_B"]
```

Jika simpul and/or akhir simpul awal memiliki beberapa label, lampirkan dalam array, seperti ini:

```
  "edge": [ ["Admin", Person_A"], "knows", ["Admin", "Person_B"] ]
```

### Bidang properti dalam objek target grafik properti
<a name="machine-learning-property-graph-neptune_ml-targets-property"></a>

Menentukan properti dari simpul target atau tepi, seperti ini:

```
  "property" : "rating"
```

Bidang ini diperlukan, kecuali jika tugas target adalah prediksi tautan.

### Bidang tipe dalam objek target grafik properti
<a name="machine-learning-property-graph-neptune_ml-targets-type"></a>

Menunjukkan jenis tugas target yang akan dilakukan pada `node` atau`edge`, seperti ini:

```
  "type" : "regression"
```

Jenis tugas yang didukung untuk node adalah:
+ `classification`
+ `regression`

Jenis tugas yang didukung untuk tepi adalah:
+ `classification`
+ `regression`
+ `link_prediction`

Bidang ini wajib diisi.

### Bidang split\$1rate dalam objek target grafik properti
<a name="machine-learning-property-graph-neptune_ml-targets-split_rate"></a>

(*Opsional*) Perkiraan proporsi node atau tepi yang akan digunakan masing-masing tahap pelatihan, validasi, dan pengujian. Proporsi ini diwakili oleh array JSON dari tiga angka antara nol dan satu yang menambahkan hingga satu:

```
"split_rate": [0.7, 0.1, 0.2]
```

Jika Anda tidak menyediakan `split_rate` bidang opsional, nilai estimasi default adalah `[0.9, 0.1, 0.0]` untuk tugas klasifikasi dan regresi, dan `[0.9,0.05, 0.05]` untuk tugas prediksi tautan.

### Bidang pemisah dalam objek target grafik properti
<a name="machine-learning-property-graph-neptune_ml-targets-separator"></a>

(*Opsional*) Digunakan dengan tugas klasifikasi.

`separator`Bidang menentukan karakter yang digunakan untuk membagi nilai properti target menjadi beberapa nilai kategoris ketika digunakan untuk menyimpan beberapa nilai kategori dalam string. Contoh:

```
"separator": "|"
```

Kehadiran `separator` bidang menunjukkan bahwa tugas tersebut adalah tugas klasifikasi multi-target.

## Bidang dalam objek target RDF
<a name="machine-learning-RDF-neptune_ml-targets"></a>

### Bidang node dalam objek target RDF
<a name="machine-learning-RDF-neptune_ml-targets-node"></a>

Mendefinisikan jenis node node target. Digunakan dengan tugas klasifikasi node atau tugas regresi node. Jenis node dari node dalam RDF didefinisikan oleh:

```
  node_id, <http://www.w3.org/1999/02/22-rdf-syntax-ns#type>, node_type
```

RDF hanya `node` dapat mengambil satu nilai, seperti ini:

```
  "node": "http://aws.amazon.com/neptune/csv2rdf/class/Movie"
```

### Bidang subjek dalam objek target RDF
<a name="machine-learning-RDF-neptune_ml-targets-subject"></a>

Untuk tugas prediksi tautan, `subject` tentukan jenis simpul sumber dari tepi target.

```
  "subject": "http://aws.amazon.com/neptune/csv2rdf/class/Director"
```

**catatan**  
Untuk tugas prediksi tautan, `subject` harus digunakan bersama dengan `predicate` dan`object`. Jika salah satu dari ketiganya tidak disediakan, semua sisi diperlakukan sebagai target pelatihan.

### Bidang predikat dalam objek target RDF
<a name="machine-learning-RDF-neptune_ml-targets-predicate"></a>

Untuk tugas klasifikasi node dan regresi node, `predicate` mendefinisikan data literal apa yang digunakan sebagai fitur node target dari node target.

```
  "predicate": "http://aws.amazon.com/neptune/csv2rdf/datatypeProperty/genre"
```

**catatan**  
Jika node target hanya memiliki satu predikat yang mendefinisikan fitur simpul target, `predicate` bidang tersebut dapat dihilangkan.

Untuk tugas prediksi tautan, `predicate` tentukan jenis relasi tepi target:

```
"predicate": "http://aws.amazon.com/neptune/csv2rdf/datatypeProperty/direct"
```

**catatan**  
Untuk tugas prediksi tautan, `predicate` harus digunakan bersama dengan `subject` dan`object`. Jika salah satu dari ketiganya tidak disediakan, semua sisi diperlakukan sebagai target pelatihan.

### Bidang objek dalam objek target RDF
<a name="machine-learning-RDF-neptune_ml-targets-object"></a>

Untuk tugas prediksi tautan, `object` tentukan jenis simpul tujuan dari tepi target:

```
  "object": "http://aws.amazon.com/neptune/csv2rdf/class/Movie"
```

**catatan**  
Untuk tugas prediksi tautan, `object` harus digunakan bersama dengan `subject` dan`predicate`. Jika salah satu dari ketiganya tidak disediakan, semua sisi diperlakukan sebagai target pelatihan.

### Bidang tipe dalam objek target RDF
<a name="machine-learning-RDF-neptune_ml-targets-type"></a>

Menunjukkan jenis tugas target yang akan dilakukan, seperti ini:

```
  "type" : "regression"
```

Jenis tugas yang didukung untuk data RDF adalah:
+ `link_prediction`
+ `classification`
+ `regression`

Bidang ini wajib diisi.

### `split_rate`Bidang dalam objek target grafik properti
<a name="machine-learning-RDF-neptune_ml-targets-split_rate"></a>

(*Opsional*) Perkiraan proporsi node atau tepi yang akan digunakan masing-masing tahap pelatihan, validasi, dan pengujian. Proporsi ini diwakili oleh array JSON dari tiga angka antara nol dan satu yang menambahkan hingga satu:

```
"split_rate": [0.7, 0.1, 0.2]
```

Jika Anda tidak menyediakan `split_rate` bidang opsional, nilai estimasi default adalah`[0.9, 0.1, 0.0]`.