Le traduzioni sono generate tramite traduzione automatica. In caso di conflitto tra il contenuto di una traduzione e la versione originale in Inglese, quest'ultima prevarrà.
Visualizzazione dei punteggi e delle anomalie relativi alla qualità dei dati
Questa sezione illustra il pannello di controllo relativo alla qualità dei dati e le diverse funzionalità che offre.
Visualizzare e comprendere metriche e tendenze di alto livello sulla qualità dei dati
Una volta completato il processo, seleziona la scheda Data Quality per visualizzare i punteggi relativi alla qualità dei dati e le anomalie.
I seguenti componenti della scheda Data quality forniscono informazioni utili.
-
Seleziona la scheda Data quality per visualizzare le metriche relative alla qualità dei dati.
-
Seleziona un ID di esecuzione del processo specifico per visualizzare il punteggio di Data Quality.
-
Questo riquadro mostra tre informazioni importanti. Puoi selezionare ciascuna di esse per accedere a tabelle specifiche e visualizzare anomalie, statistiche sui dati o regole.
-
Punteggio di Data Quality quando le regole sono configurate.
-
Numero di statistiche raccolte da Regole e Analizzatori.
-
Numero totale di anomalie rilevate.
-
-
Questo grafico delle tendenze mostra l'andamento della qualità dei dati nel tempo. Puoi passare il mouse sull'andamento e andare a un momento specifico in cui i punteggi di qualità dei dati sono peggiorati.
-
Le tendenze delle anomalie nel tempo mostrano il numero di anomalie rilevate nel corso del tempo.
-
Schede:
-
La scheda Regole è la scheda predefinita che mostra l'elenco di tutte le regole e il relativo stato. Regole valutate è utile nel caso di regole dinamiche, per visualizzare il valore effettivo che è stato dato alla regola.
-
La scheda Statistiche elenca tutte le statistiche, consentendo di visualizzare le metriche e le tendenze nel tempo.
-
La scheda Anomalie mostra l'elenco delle anomalie rilevate.
-
Visualizzare le anomalie e addestrare l'algoritmo di rilevamento delle anomalie
Didascalie per l'immagine sopra:
-
Quando vengono rilevate delle anomalie, fai clic sull'anomalia o seleziona la scheda Anomalie
-
AWS Glue Data Quality fornisce una spiegazione dettagliata dell'anomalia, del valore effettivo, dell'intervallo previsto
-
AWS Glue Data Quality mostra una linea di tendenza. Comprende il valore effettivo, una tendenza derivata basata sui valori effettivi (linea rossa), il limite superiore e il limite inferiore
-
AWS Glue Data Quality consiglia regole di qualità dei dati che possono essere utilizzate per catturare i modelli futuri. Puoi copiare tutte le regole consigliate e applicarle al nodo della qualità dei dati per acquisire questi modelli in modo efficace.
-
Puoi fornire input al modello di machine learning (ML) per escludere valori anomali, garantendo che le future esecuzioni rilevino le anomalie in modo accurato. Se non escludi esplicitamente le anomalie, AWS Glue Data Quality le considererà automaticamente come parte del modello per le previsioni future. È importante osservare che solo l'ultima esecuzione rifletterà gli input del modello forniti. Ad esempio, se torni indietro ed escludi i punti anomali da alcune esecuzioni precedenti, il modello non rifletterà tali modifiche a meno che non visualizzi e aggiorni gli input del modello nell'ultima esecuzione. Il modello continuerà a usare gli input forniti in precedenza fino a quando non verranno apportate le modifiche necessarie nell'esecuzione più recente. Gestendo attivamente l'esclusione dei valori anomali, puoi affinare la comprensione del modello di ML relativamente a ciò che costituisce un'anomalia per i propri modelli di dati e requisiti specifici, ottenendo nel tempo un rilevamento delle anomalie più accurato.
Visualizzare le statistiche dei dati nel tempo e fornire input per l'addestramento
A volte, potresti voler visualizzare statistiche o profili dei dati e vedere come evolvono nel tempo. Per farlo, seleziona Statistiche o apri la scheda Statistiche. È quindi possibile visualizzare le ultime statistiche sui dati raccolte da AWS Glue Data Quality.
Facendo clic su Visualizza tendenze viene mostrato l'andamento di ciascuna statistica nel tempo.
-
Puoi selezionare la statistica per una colonna specificata
-
Puoi visualizzare l'andamento delle tendenze
-
Puoi selezionare valori anomali e scegliere di escluderli o includerli. Fornendo questo feedback, l'algoritmo escluderà o includerà i punti dati anomali identificati e addestrerà nuovamente il modello. Questo processo di riaddestramento garantisce un rilevamento accurato delle anomalie in futuro, in quanto il modello apprende dal feedback fornito su quali valori debbano essere considerati anomali o meno.
Grazie a questo ciclo di feedback, hai la possibilità di perfezionare la comprensione da parte dell'algoritmo di ciò che costituisce un'anomalia per i tuoi specifici modelli di dati e requisiti aziendali. Escludendo i valori che non dovrebbero essere contrassegnati come anomalie o includendo quelli che sono stati tralasciati, il modello addestrato sarà in grado di distinguere meglio tra i punti dati previsti e quelli realmente anomali.
