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.
# Esempi di utilizzo dei parametri all'interno di AdditionalParams per l'ottimizzazione della configurazione di addestramento del modello
I seguenti esempi dimostrano come utilizzare la funzionalità «AdditionalParams» nei modelli di dati Property-Graph e RDF per configurare vari aspetti del processo di addestramento del modello per un'applicazione Neptune ML. Gli esempi coprono un'ampia gamma di funzionalità, tra cui la specifica delle velocità di suddivisione predefinite per training/validation/test i dati, la definizione di attività di classificazione dei nodi, regressione e previsione dei collegamenti, nonché la configurazione di diversi tipi di funzionalità come bucket numerici, incorporamenti di testo, datetime e dati categorici. Queste configurazioni dettagliate consentono di personalizzare la pipeline di machine learning in base ai requisiti specifici di dati e modellazione, sfruttando tutto il potenziale delle funzionalità di Neptune ML.
**Contents**
+ [Esempi di grafici di proprietà che utilizzano AdditionalParams](#machine-learning-property-graph-additionalParams-examples)
+ [Definizione di un coefficiente di divisione per la configurazione dell'addestramento dei modelli](#machine-learning-property-graph-additionalParams-default-split-rate-example)
+ [Definizione di un'attività di classificazione dei nodi per la configurazione dell'addestramento dei modelli](#machine-learning-property-graph-additionalParams-node-classification-example)
+ [Definizione di un'attività di classificazione dei nodi multi-classe per la configurazione dell'addestramento dei modelli](#machine-learning-property-graph-additionalParams-multi-class-example)
+ [Definizione di un'attività di regressione dei nodi per la configurazione dell'addestramento dei modelli](#machine-learning-property-graph-additionalParams-node-regression-example)
+ [Definizione di un'attività di classificazione degli archi per la configurazione dell'addestramento dei modelli](#machine-learning-property-graph-additionalParams-edge-classification-example)
+ [Definizione di un'attività di classificazione degli archi multi-classe per la configurazione dell'addestramento dei modelli](#machine-learning-property-graph-additionalParams-multi-edge-classification-example)
+ [Definizione di un'attività di regressione degli archi per la configurazione dell'addestramento dei modelli](#machine-learning-property-graph-additionalParams-edge-regression-example)
+ [Definizione di un'attività di previsione dei collegamenti per la configurazione dell'addestramento dei modelli](#machine-learning-property-graph-additionalParams-link-prediction-example)
+ [Definizione di una funzionalità bucket numerico](#machine-learning-property-graph-additionalParams-numeric-bucket-example)
+ [Definizione di una funzionalità `Word2Vec`](#machine-learning-property-graph-additionalParams-word2vec-example)
+ [Definizione di una funzionalità `FastText`](#machine-learning-property-graph-additionalParams-fasttext-example)
+ [Definizione di una funzionalità `Sentence BERT`](#machine-learning-property-graph-additionalParams-sbert-example)
+ [Definizione di una funzionalità `TF-IDF`](#machine-learning-property-graph-additionalParams-tf-idf-example)
+ [Definizione di una funzionalità `datetime`](#machine-learning-property-graph-additionalParams-datetime-example)
+ [Definizione di una funzionalità `category`](#machine-learning-property-graph-additionalParams-category-example)
+ [Definizione di una funzionalità `numerical`](#machine-learning-property-graph-additionalParams-numerical-example)
+ [Definizione di una funzionalità `auto`](#machine-learning-property-graph-additionalParams-auto-example)
+ [Esempi di grafi RDF con `additionalParams`](#machine-learning-RDF-additionalParams-examples)
+ [Definizione di un coefficiente di divisione per la configurazione dell'addestramento dei modelli](#machine-learning-RDF-additionalParams-default-split-rate-example)
+ [Definizione di un'attività di classificazione dei nodi per la configurazione dell'addestramento dei modelli](#machine-learning-RDF-additionalParams-node-classification-example)
+ [Definizione di un'attività di regressione dei nodi per la configurazione dell'addestramento dei modelli](#machine-learning-RDF-additionalParams-node-regression-example)
+ [Definizione di un'attività di previsione dei collegamenti per archi particolari](#machine-learning-RDF-additionalParams-link-prediction-example)
+ [Definizione di un'attività di previsione dei collegamenti per tutti gli archi](#machine-learning-RDF-additionalParams-link-prediction-example)
## Esempi di grafici di proprietà che utilizzano AdditionalParams
### Definizione di un coefficiente di divisione per la configurazione dell'addestramento dei modelli
Nell'esempio seguente, il parametro `split_rate` imposta il coefficiente di divisione predefinito per l'addestramento dei modelli. Se non viene specificato alcun coefficiente di divisione predefinito, l'addestramento utilizza un valore di [0,9, 0,1, 0,0]. È possibile sovrascrivere il valore predefinito per ogni destinazione specificando un valore `split_rate` per ogni destinazione.
Nell'esempio seguente il campo `default split_rate` indica che occorre usare un coefficiente di divisione di `[0.7,0.1,0.2]`, a meno che non venga sovrascritto per ogni singola destinazione:"
```
"additionalParams": {
"neptune_ml": {
"version": "v2.0",
"split_rate": [0.7,0.1,0.2],
"targets": [
(...)
],
"features": [
(...)
]
}
}
```
### Definizione di un'attività di classificazione dei nodi per la configurazione dell'addestramento dei modelli
Per indicare qual è la proprietà del nodo contenente esempi etichettati ai fini dell'addestramento, aggiungi un elemento di classificazione dei nodi all'array `targets`, usando `"type" : "classification"`. Aggiungi un campo `split_rate` per sovrascrivere il coefficiente di divisione predefinito.
Nell'esempio seguente la destinazione `node` indica che la proprietà `genre` di ogni nodo `Movie` deve essere trattata come un'etichetta della classe nodo. Il valore `split_rate` sovrascrive il coefficiente di divisione predefinito:
```
"additionalParams": {
"neptune_ml": {
"version": "v2.0",
"targets": [
{
"node": "Movie",
"property": "genre",
"type": "classification",
"split_rate": [0.7,0.1,0.2]
}
],
"features": [
(...)
]
}
}
```
### Definizione di un'attività di classificazione dei nodi multi-classe per la configurazione dell'addestramento dei modelli
Per indicare qual è la proprietà del nodo contenente più esempi etichettati ai fini dell'addestramento, aggiungi un elemento di classificazione dei nodi all'array targets usando `"type" : "classification"` e `separator` per specificare un carattere da usare per dividere un valore della proprietà di destinazione in più valori categoriali. Aggiungi un campo `split_rate` per sovrascrivere il coefficiente di divisione predefinito.
Nell'esempio seguente la destinazione `node` indica che la proprietà `genre` di ogni nodo `Movie` deve essere trattata come un'etichetta della classe nodo. Il campo `separator` indica che ogni proprietà di genere contiene più valori separati da punto e virgola:
```
"additionalParams": {
"neptune_ml": {
"version": "v2.0",
"targets": [
{
"node": "Movie",
"property": "genre",
"type": "classification",
"separator": ";"
}
],
"features": [
(...)
]
}
}
```
### Definizione di un'attività di regressione dei nodi per la configurazione dell'addestramento dei modelli
Per indicare qual è la proprietà del nodo contenente le regressioni etichettate ai fini dell'addestramento, aggiungi un elemento di regressione dei nodi all'array targets usando `"type" : "regression"`. Aggiungi un campo split\$1rate per sovrascrivere il coefficiente di divisione predefinito.
La destinazione `node` seguente indica che la proprietà `rating` di ogni nodo `Movie` deve essere trattata come un'etichetta di regressione del nodo.
```
"additionalParams": {
"neptune_ml": {
"version": "v2.0",
"targets": [
{
"node": "Movie",
"property": "rating",
"type" : "regression",
"split_rate": [0.7,0.1,0.2]
}
],
"features": [
...
]
}
}
```
### Definizione di un'attività di classificazione degli archi per la configurazione dell'addestramento dei modelli
Per indicare qual è la proprietà dell'arco contenente esempi etichettati ai fini dell'addestramento, aggiungi un elemento arco all'array `targets`, usando `"type" : "regression"`. Aggiungi un campo split\$1rate per sovrascrivere il coefficiente di divisione predefinito.
La destinazione `edge` seguente indica che la proprietà `metAtLocation` di ogni arco `knows` deve essere trattata come un'etichetta della classe arco:
```
"additionalParams": {
"neptune_ml": {
"version": "v2.0",
"targets": [
{
"edge": ["Person", "knows", "Person"],
"property": "metAtLocation",
"type": "classification"
}
],
"features": [
(...)
]
}
}
```
### Definizione di un'attività di classificazione degli archi multi-classe per la configurazione dell'addestramento dei modelli
Per indicare qual è la proprietà dell'arco contenente più esempi etichettati ai fini dell'addestramento, aggiungi un elemento edge all'array `targets` usando `"type" : "classification"` e un campo `separator` per specificare un carattere da usare per dividere un valore della proprietà di destinazione in più valori categoriali. Aggiungi un campo `split_rate` per sovrascrivere il coefficiente di divisione predefinito.
La destinazione `edge` seguente indica che la proprietà `sentiment` di ogni arco `repliedTo` deve essere trattata come un'etichetta della classe arco. Il campo separatore indica che ogni proprietà sentiment contiene più valori separati da virgole:
```
"additionalParams": {
"neptune_ml": {
"version": "v2.0",
"targets": [
{
"edge": ["Person", "repliedTo", "Message"],
"property": "sentiment",
"type": "classification",
"separator": ","
}
],
"features": [
(...)
]
}
}
```
### Definizione di un'attività di regressione degli archi per la configurazione dell'addestramento dei modelli
Per indicare qual è la proprietà dell'arco contenente esempi di regressione etichettati ai fini dell'addestramento, aggiungi un elemento `edge` all'array `targets`, usando `"type" : "regression"`. Aggiungi un campo `split_rate` per sovrascrivere il coefficiente di divisione predefinito.
La destinazione `edge` seguente indica che la proprietà `rating` di ogni arco `reviewed` deve essere trattata come regressione degli archi:
```
"additionalParams": {
"neptune_ml": {
"version": "v2.0",
"targets": [
{
"edge": ["Person", "reviewed", "Movie"],
"property": "rating",
"type" : "regression"
}
],
"features": [
(...)
]
}
}
```
### Definizione di un'attività di previsione dei collegamenti per la configurazione dell'addestramento dei modelli
Per indicare gli archi da usare ai fini dell'addestramento delle previsioni dei collegamenti, aggiungi un elemento edge all'array targets usando `"type" : "link_prediction"`. Aggiungi un campo `split_rate` per sovrascrivere il coefficiente di divisione predefinito.
La destinazione `edge` seguente indica che è necessario usare gli archi `cites` per la previsione dei collegamenti:
```
"additionalParams": {
"neptune_ml": {
"version": "v2.0",
"targets": [
{
"edge": ["Article", "cites", "Article"],
"type" : "link_prediction"
}
],
"features": [
(...)
]
}
}
```
### Definizione di una funzionalità bucket numerico
È possibile specificare una funzionalità dati numerici per una proprietà del nodo aggiungendo `"type": "bucket_numerical"` all'array `features`.
La funzionalità `node` seguente indica che la proprietà `age` di ogni nodo `Person` deve essere trattata come una funzionalità bucket numerico:
```
"additionalParams": {
"neptune_ml": {
"targets": [
...
],
"features": [
{
"node": "Person",
"property": "age",
"type": "bucket_numerical",
"range": [1, 100],
"bucket_cnt": 5,
"slide_window_size": 3,
"imputer": "median"
}
]
}
}
```
### Definizione di una funzionalità `Word2Vec`
È possibile specificare una funzionalità `Word2Vec` per una proprietà del nodo aggiungendo `"type": "text_word2vec"` all'array `features`.
La funzionalità `node` seguente indica che la proprietà `description` di ogni nodo `Movie` deve essere trattata come una funzionalità `Word2Vec`:
```
"additionalParams": {
"neptune_ml": {
"version": "v2.0",
"targets": [
...
],
"features": [
{
"node": "Movie",
"property": "description",
"type": "text_word2vec",
"language": "en_core_web_lg"
}
]
}
}
```
### Definizione di una funzionalità `FastText`
È possibile specificare una funzionalità `FastText` per una proprietà del nodo aggiungendo `"type": "text_fasttext"` all'array `features`. Il campo `language` è obbligatorio e deve specificare uno dei codici di lingua seguenti:
+ `en` (inglese)
+ `zh` (cinese)
+ `hi` (hindi)
+ `es` (spagnolo)
+ `fr` (francese)
Tieni presente che la codifica `text_fasttext` non può gestire più di una lingua alla volta in una funzionalità.
La funzionalità `node` seguente indica che la proprietà `description` francese di ogni nodo `Movie` deve essere trattata come una funzionalità `FastText`:
```
"additionalParams": {
"neptune_ml": {
"version": "v2.0",
"targets": [
...
],
"features": [
{
"node": "Movie",
"property": "description",
"type": "text_fasttext",
"language": "fr",
"max_length": 1024
}
]
}
}
```
### Definizione di una funzionalità `Sentence BERT`
È possibile specificare una funzionalità `Sentence BERT` per una proprietà del nodo aggiungendo `"type": "text_sbert"` all'array `features`. Non è necessario specificare la lingua, poiché il metodo codifica automaticamente le funzionalità di testo utilizzando un modello linguistico multilingue.
La funzionalità `node` seguente indica che la proprietà `description` di ogni nodo `Movie` deve essere trattata come una funzionalità `Sentence BERT`:
```
"additionalParams": {
"neptune_ml": {
"version": "v2.0",
"targets": [
...
],
"features": [
{
"node": "Movie",
"property": "description",
"type": "text_sbert128",
}
]
}
}
```
### Definizione di una funzionalità `TF-IDF`
È possibile specificare una funzionalità `TF-IDF` per una proprietà del nodo aggiungendo `"type": "text_tfidf"` all'array `features`.
La funzionalità `node` seguente indica che la proprietà `bio` di ogni nodo `Person` deve essere trattata come una funzionalità `TF-IDF`:
```
"additionalParams": {
"neptune_ml": {
"version": "v2.0",
"targets": [
...
],
"features": [
{
"node": "Movie",
"property": "bio",
"type": "text_tfidf",
"ngram_range": [1, 2],
"min_df": 5,
"max_features": 1000
}
]
}
}
```
### Definizione di una funzionalità `datetime`
Il processo di esportazione deduce automaticamente le funzionalità `datetime` per le proprietà data. Tuttavia, per limitare l'uso di `datetime_parts` per una funzionalità `datetime` o ignorare una specifica di funzionalità affinché una proprietà che normalmente verrebbe trattata come una funzionalità `auto` venga trattata esplicitamente come una funzionalità `datetime`, puoi aggiungere l'elemento `"type": "datetime"` all'array features.
La funzionalità `node` seguente indica che la proprietà `createdAt` di ogni nodo `Post` deve essere trattata come una funzionalità `datetime`:
```
"additionalParams": {
"neptune_ml": {
"version": "v2.0",
"targets": [
...
],
"features": [
{
"node": "Post",
"property": "createdAt",
"type": "datetime",
"datetime_parts": ["month", "weekday", "hour"]
}
]
}
}
```
### Definizione di una funzionalità `category`
Il processo di esportazione deduce automaticamente le funzionalità `auto` delle proprietà stringa e delle proprietà numeriche contenenti più valori. Per le proprietà numeriche contenenti valori singoli, deduce funzionalità `numerical`. Per le proprietà data deduce funzionalità `datetime`.
Se desideri sovrascrivere la specifica di una funzionalità affinché una proprietà venga trattata come una funzionalità categoriale, aggiungi un elemento `"type": "category"` all'array features. Se la proprietà contiene più valori, includi un campo `separator`. Esempio:
```
"additionalParams": {
"neptune_ml": {
"version": "v2.0",
"targets": [
...
],
"features": [
{
"node": "Post",
"property": "tag",
"type": "category",
"separator": "|"
}
]
}
}
```
### Definizione di una funzionalità `numerical`
Il processo di esportazione deduce automaticamente le funzionalità `auto` delle proprietà stringa e delle proprietà numeriche contenenti più valori. Per le proprietà numeriche contenenti valori singoli, deduce funzionalità `numerical`. Per le proprietà data deduce funzionalità `datetime`.
Se desideri sovrascrivere la specifica di una funzionalità affinché una proprietà venga trattata come una funzionalità `numerical`, aggiungi `"type": "numerical"` all'array features. Se la proprietà contiene più valori, includi un campo `separator`. Esempio:
```
"additionalParams": {
"neptune_ml": {
"version": "v2.0",
"targets": [
...
],
"features": [
{
"node": "Recording",
"property": "duration",
"type": "numerical",
"separator": ","
}
]
}
}
```
### Definizione di una funzionalità `auto`
Il processo di esportazione deduce automaticamente le funzionalità `auto` delle proprietà stringa e delle proprietà numeriche contenenti più valori. Per le proprietà numeriche contenenti valori singoli, deduce funzionalità `numerical`. Per le proprietà data deduce funzionalità `datetime`.
Se desideri sovrascrivere la specifica di una funzionalità affinché una proprietà venga trattata come una funzionalità `auto`, aggiungi `"type": "auto"` all'array features. Se la proprietà contiene più valori, includi un campo `separator`. Esempio:
```
"additionalParams": {
"neptune_ml": {
"version": "v2.0",
"targets": [
...
],
"features": [
{
"node": "User",
"property": "role",
"type": "auto",
"separator": ","
}
]
}
}
```
## Esempi di grafi RDF con `additionalParams`
### Definizione di un coefficiente di divisione per la configurazione dell'addestramento dei modelli
Nell'esempio seguente, il parametro `split_rate` imposta il coefficiente di divisione predefinito per l'addestramento dei modelli. Se non viene specificato alcun coefficiente di divisione predefinito, l'addestramento utilizza un valore di [0,9, 0,1, 0,0]. È possibile sovrascrivere il valore predefinito per ogni destinazione specificando un valore `split_rate` per ogni destinazione.
Nell'esempio seguente il campo `default split_rate` indica che occorre usare un coefficiente di divisione di `[0.7,0.1,0.2]`, a meno che non venga sovrascritto per ogni singola destinazione:"
```
"additionalParams": {
"neptune_ml": {
"version": "v2.0",
"split_rate": [0.7,0.1,0.2],
"targets": [
(...)
]
}
}
```
### Definizione di un'attività di classificazione dei nodi per la configurazione dell'addestramento dei modelli
Per indicare qual è la proprietà del nodo contenente esempi etichettati ai fini dell'addestramento, aggiungi un elemento di classificazione dei nodi all'array `targets`, usando `"type" : "classification"`. Aggiungi un campo node per indicare il tipo di nodo dei nodi di destinazione. Aggiungi un campo `predicate` per definire i dati letterali da usare come funzionalità del nodo di destinazione del nodo di destinazione. Aggiungi un campo `split_rate` per sovrascrivere il coefficiente di divisione predefinito.
Nell'esempio seguente la destinazione `node` indica che la proprietà `genre` di ogni nodo `Movie` deve essere trattata come un'etichetta della classe nodo. Il valore `split_rate` sovrascrive il coefficiente di divisione predefinito:
```
"additionalParams": {
"neptune_ml": {
"version": "v2.0",
"targets": [
{
"node": "http://aws.amazon.com/neptune/csv2rdf/class/Movie",
"predicate": "http://aws.amazon.com/neptune/csv2rdf/datatypeProperty/genre",
"type": "classification",
"split_rate": [0.7,0.1,0.2]
}
]
}
}
```
### Definizione di un'attività di regressione dei nodi per la configurazione dell'addestramento dei modelli
Per indicare qual è la proprietà del nodo contenente le regressioni etichettate ai fini dell'addestramento, aggiungi un elemento di regressione dei nodi all'array targets usando `"type" : "regression"`. Aggiungi un campo `node` per indicare il tipo di nodo dei nodi di destinazione. Aggiungi un campo `predicate` per definire i dati letterali da usare come funzionalità del nodo di destinazione del nodo di destinazione. Aggiungi un campo `split_rate` per sovrascrivere il coefficiente di divisione predefinito.
La destinazione `node` seguente indica che la proprietà `rating` di ogni nodo `Movie` deve essere trattata come un'etichetta di regressione del nodo.
```
"additionalParams": {
"neptune_ml": {
"version": "v2.0",
"targets": [
{
"node": "http://aws.amazon.com/neptune/csv2rdf/class/Movie",
"predicate": "http://aws.amazon.com/neptune/csv2rdf/datatypeProperty/rating",
"type": "regression",
"split_rate": [0.7,0.1,0.2]
}
]
}
}
```
### Definizione di un'attività di previsione dei collegamenti per archi particolari
Per indicare gli archi da usare ai fini dell'addestramento delle previsioni dei collegamenti, aggiungi un elemento edge all'array targets usando `"type" : "link_prediction"`. Aggiungi i campi `subject`, `predicate` e `object` per specificare il tipo di arco. Aggiungi un campo `split_rate` per sovrascrivere il coefficiente di divisione predefinito.
La destinazione `edge` seguente indica che è necessario usare gli archi `directed` che connettono `Directors` a `Movies` per la previsione dei collegamenti:
```
"additionalParams": {
"neptune_ml": {
"version": "v2.0",
"targets": [
{
"subject": "http://aws.amazon.com/neptune/csv2rdf/class/Director",
"predicate": "http://aws.amazon.com/neptune/csv2rdf/datatypeProperty/directed",
"object": "http://aws.amazon.com/neptune/csv2rdf/class/Movie",
"type" : "link_prediction"
}
]
}
}
```
### Definizione di un'attività di previsione dei collegamenti per tutti gli archi
Per indicare che è necessario usare tutti gli archi ai fini dell'addestramento delle previsioni dei collegamenti, aggiungi un elemento `edge` all'array targets usando `"type" : "link_prediction"`. Non aggiungere i campi `subject`, `predicate` o `object`. Aggiungi un campo `split_rate` per sovrascrivere il coefficiente di divisione predefinito.
```
"additionalParams": {
"neptune_ml": {
"version": "v2.0",
"targets": [
{
"type" : "link_prediction"
}
]
}
}
```