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.
# Risposta dell'endpoint per dati tabulari
Dopo aver ricevuto la risposta di un'invocazione dell'endpoint di inferenza, il processo di elaborazione SageMaker Clarify deserializza il payload di risposta e ne estrae le previsioni. Utilizza il parametro `accept_type` di configurazione dell'analisi per specificare il formato dei dati di payload della richiesta. Se non `accept_type` viene fornito, il processo di elaborazione SageMaker Clarify utilizzerà il valore del parametro content\$1type come formato di output del modello. Per ulteriori informazioni su `accept_type`, consultare [File di configurazione dell’analisi](clarify-processing-job-configure-analysis.md).
Le previsioni potrebbero consistere in etichette previste per l'analisi del bias o in valori di probabilità (punteggi) per l'analisi dell'importanza della funzionalità. Nella configurazione dell'analisi `predictor`, i seguenti tre parametri estraggono le previsioni.
+ Il parametro `probability` viene utilizzato per individuare i valori di probabilità (punteggi) nella risposta dell'endpoint.
+ Il parametro `label` viene utilizzato per individuare le etichette previste nella risposta dell'endpoint.
+ (Facoltativo) Il parametro `label_headers` fornisce le etichette previste per un modello multiclasse.
Le seguenti linee guida riguardano le risposte dell'endpoint nei formati CSV, JSON Lines e JSON.
## La risposta dell'endpoint è in formato CSV
Se il payload di risposta è in formato CSV (tipo MIME:`text/csv`), il processo di elaborazione SageMaker Clarify deserializza ogni riga. Quindi estrae le previsioni dai dati deserializzati utilizzando gli indici delle colonne forniti nella configurazione dell'analisi. Le righe del payload di risposta devono corrispondere ai record nel payload di richiesta.
Le seguenti tabelle forniscono esempi di dati di risposta in diversi formati e per diversi tipi di problemi. I tuoi dati possono variare rispetto a questi esempi, ammesso che le previsioni possano essere estratte in base alla configurazione dell'analisi.
Le successive sezioni mostrano esempi di risposte endpoint in formato CSV.
### La risposta dell'endpoint è in formato CSV e contiene solo la probabilità
La seguente tabella è un esempio di risposta dell'endpoint per problemi di regressione e classificazione binaria.
| Payload di richiesta dell'endpoint | Payload di risposta dell'endpoint (rappresentazione di stringhe) |
| --- | --- |
| Record singolo. | '0.6' |
| Due record (risultati in una riga, divisi da una virgola). | '0.6,0.3' |
| Due record (risultati in due righe). | '0.6\$1n0.3' |
Nell'esempio precedente, l'endpoint emette un singolo valore di probabilità (punteggio) dell'etichetta prevista. Per estrarre le probabilità utilizzando l'indice e utilizzarle per l'analisi dell'importanza della funzionalità, imposta il parametro `probability` di configurazione dell'analisi sull'indice di colonna `0`. Queste probabilità possono essere utilizzate anche per l'analisi dei bias se vengono convertite in valori binari utilizzando il parametro `probability_threshold`. Per ulteriori informazioni su `probability_threshold`, consultare [File di configurazione dell’analisi](clarify-processing-job-configure-analysis.md).
La seguente tabella è un esempio di risposta dell'endpoint per problemi multiclasse.
| Payload di richiesta dell'endpoint | Payload di risposta dell'endpoint (rappresentazione di stringhe) |
| --- | --- |
| Record singolo di un modello multiclasse (tre classi). | '0.1,0.6,0.3' |
| Due record di un modello multiclasse (tre classi) | '0.1,0.6,0.3\$1n0.2,0.5,0.3' |
Nell'esempio precedente, l'endpoint restituisce un elenco di probabilità (punteggi). Se non viene fornito alcun indice, tutti i valori vengono estratti e utilizzati per l'analisi dell'importanza della funzionalità. Se il parametro `label_headers` viene specificato. Quindi il processo di elaborazione SageMaker Clarify può selezionare l'intestazione dell'etichetta con la probabilità massima come etichetta prevista, che può essere utilizzata per l'analisi delle distorsioni. Per ulteriori informazioni su `label_headers`, consultare [File di configurazione dell’analisi](clarify-processing-job-configure-analysis.md).
### La risposta dell'endpoint è in formato CSV e contiene solo l'etichetta prevista
La seguente tabella è un esempio di risposta dell'endpoint per problemi di regressione e classificazione binaria.
| Payload di richiesta dell'endpoint | Payload di risposta dell'endpoint (rappresentazione di stringhe) |
| --- | --- |
| Record singolo | '1' |
| Due record (risultati in una riga, divisi da una virgola). | '1,0' |
| Due record (risultati in due righe) | '1\$1n0' |
Nell'esempio precedente, l'endpoint emette l'etichetta prevista anziché un singolo valore di probabilità (punteggio). Imposta il parametro `label` della configurazione `predictor` sull'indice di colonna `0`, in modo che le etichette previste possano essere estratte utilizzando l'indice e utilizzate per l'analisi dei bias.
### La risposta dell'endpoint è in formato CSV e contiene l'etichetta prevista e la probabilità
La seguente tabella è un esempio di risposta dell'endpoint per problemi di regressione e classificazione binaria.
| Payload di richiesta dell'endpoint | Payload di risposta dell'endpoint (rappresentazione di stringhe) |
| --- | --- |
| Record singolo | '1,0.6' |
| Due record | '1,0.6\$1n0,0.3' |
Nell'esempio precedente, l'endpoint emette l'etichetta prevista seguita dalla sua probabilità. Imposta il parametro `label` della configurazione `predictor` sull'indice di colonna `0` e imposta `probability` sull'indice di colonna `1` per estrarre entrambi i valori dei parametri.
### La risposta dell'endpoint è in formato CSV e contiene le etichette previste e le probabilità (multiclasse)
Un modello multiclasse addestrato da Amazon SageMaker Autopilot può essere configurato per generare la rappresentazione in formato stringa dell'elenco di etichette e probabilità previste. La tabella di esempio seguente mostra un esempio di risposta dell'endpoint da un modello configurato per emettere `predicted_label`, `probability`, `labels` e `probabilities`.
| Payload di richiesta dell'endpoint | Payload di risposta dell'endpoint (rappresentazione di stringhe) |
| --- | --- |
| Record singolo | '"dog",0.6,"[\$1'cat\$1', \$1'dog\$1', \$1'fish\$1']","[0.1, 0.6, 0.3]"' |
| Due record | '"dog",0.6,"[\$1'cat\$1', \$1'dog\$1', \$1'fish\$1']","[0.1, 0.6, 0.3]"\$1n""cat",0.7,[\$1'cat\$1', \$1'dog\$1', \$1'fish\$1']","[0.7, 0.2, 0.1]"' |
Per l'esempio precedente, il processo di elaborazione di SageMaker Clarify può essere configurato nei seguenti modi per estrarre le previsioni.
Per l'analisi dei bias, il precedente esempio può essere configurato come indicato in seguito.
+ Imposta il parametro `label` della configurazione `predictor` su `0`, per estrarre l'etichetta prevista.
+ Imposta il parametro `2` per estrarre le etichette previste e imposta `probability` su `3`, per estrarre le probabilità corrispondenti. Il processo di elaborazione SageMaker Clarify può determinare automaticamente l'etichetta prevista identificando l'etichetta con il valore di probabilità più elevato. Facendo riferimento all'esempio precedente di un singolo record, il modello prevede tre etichette: `cat`, `dog` e `fish`, con le probabilità corrispondenti di `0.1`, `0.6` e `0.3`. In base a queste probabilità, l'etichetta prevista è `dog`, in quanto ha un valore di probabilità più elevato di `0.6`.
+ Imposta `probability` su `3` per estrarre le probabilità. Se `label_headers` viene fornito, il processo di elaborazione SageMaker Clarify può determinare automaticamente l'etichetta prevista identificando l'intestazione dell'etichetta con il valore di probabilità più elevato.
Per l'analisi dell'importanza della funzionalità, l'esempio precedente può essere configurato come segue.
+ Imposta `probability` su `3` per estrarre le probabilità di tutte le etichette previste. Quindi, verranno calcolate le attribuzioni delle funzionalità per tutte le etichette. Se il cliente non specifica `label_headers`, le etichette previste verranno utilizzate come intestazioni delle etichette nel rapporto di analisi.
## La risposta dell'endpoint è in formato JSON Lines
Se il payload di risposta è in formato JSON Lines (tipo MIME:`application/jsonlines`), il processo di elaborazione SageMaker Clarify deserializza ogni riga come JSON. Quindi estrae le previsioni dai dati deserializzati utilizzando le espressioni fornite nella configurazione dell'analisi. JMESPath Le righe del payload di risposta devono corrispondere ai record nel payload di richiesta. Le seguenti tabelle mostrano esempi dei dati di risposta in diversi formati. I tuoi dati possono variare rispetto a questi esempi, ammesso che le previsioni possano essere estratte in base alla configurazione dell'analisi.
Le successive sezioni mostrano esempi di risposte degli endpoint in formato JSON Lines.
### La risposta dell'endpoint è in formato JSON Lines e contiene solo la probabilità
La seguente tabella è un esempio di risposta dell'endpoint che restituisce solo il valore di probabilità (punteggio).
| Payload di richiesta dell'endpoint | Payload di risposta dell'endpoint (rappresentazione di stringhe) |
| --- | --- |
| Record singolo | '\$1"score":0.6\$1' |
| Due record | '\$1"score":0.6\$1\$1n\$1"score":0.3\$1' |
Per l'esempio precedente, impostate il parametro di configurazione dell'analisi sull' JMESPath espressione «score» `probability` per estrarne il valore.
### La risposta dell'endpoint è in formato JSON Lines e contiene solo l'etichetta prevista
La seguente tabella è un esempio di risposta dell'endpoint che restituisce solo l'etichetta prevista.
| Payload di richiesta dell'endpoint | Payload di risposta dell'endpoint (rappresentazione di stringhe) |
| --- | --- |
| Record singolo | '\$1"prediction":1\$1' |
| Due record | '\$1"prediction":1\$1\$1n\$1"prediction":0\$1' |
Per l'esempio precedente, imposta il `label` parametro della configurazione del predittore su JMESPath expression`prediction`. Quindi, il processo di elaborazione di SageMaker Clarify può estrarre le etichette previste per l'analisi delle distorsioni. Per ulteriori informazioni, consulta [File di configurazione dell’analisi](clarify-processing-job-configure-analysis.md).
### La risposta dell'endpoint è in formato JSON Lines e contiene l'etichetta prevista e la probabilità
La seguente tabella è un esempio di risposta dell'endpoint che restituisce l'etichetta prevista e il suo punteggio.
| Payload di richiesta dell'endpoint | Payload di risposta dell'endpoint (rappresentazione di stringhe) |
| --- | --- |
| Record singolo | '\$1"prediction":1,"score":0.6\$1' |
| Due record | '\$1"prediction":1,"score":0.6\$1\$1n\$1"prediction":0,"score":0.3\$1' |
Per l'esempio precedente, impostate il `label` parametro della `predictor` configurazione sull' JMESPath espressione «prediction» per estrarre le etichette previste. Imposta `probability` sull' JMESPath espressione «score» per estrarre la probabilità. Per ulteriori informazioni, consulta [File di configurazione dell’analisi](clarify-processing-job-configure-analysis.md).
### La risposta dell'endpoint è in formato JSON Lines e contiene le etichette previste e le probabilità (multiclasse)
La seguente tabella è un esempio di risposta dell'endpoint, ottenuta da un modello multiclasse che restituisce quanto segue:
+ Un elenco di etichette previste.
+ Le probabilità e l'etichetta prevista selezionata e la sua probabilità.
| Payload di richiesta dell'endpoint | Payload di risposta dell'endpoint (rappresentazione di stringhe) |
| --- | --- |
| Record singolo | '\$1"predicted\$1label":"dog","probability":0.6,"predicted\$1labels":["cat","dog","fish"],"probabilities":[0.1,0.6,0.3]\$1' |
| Due record | '\$1"predicted\$1label":"dog","probability":0.6,"predicted\$1labels":["cat","dog","fish"],"probabilities":[0.1,0.6,0.3]\$1\$1n\$1"predicted\$1label":"cat","probability":0.7,"predicted\$1labels":["cat","dog","fish"],"probabilities":[0.7,0.2,0.1]\$1' |
Per l'esempio precedente, il processo di elaborazione di SageMaker Clarify può essere configurato in diversi modi per estrarre le previsioni.
Per l'analisi dei bias, il precedente esempio può essere configurato in **uno** dei modi descritti in seguito.
+ Imposta il `label` parametro della `predictor` configurazione sull' JMESPath espressione «predicted\$1label» per estrarre l'etichetta prevista.
+ Imposta il parametro sull' JMESPath espressione «predicted\$1labels» per estrarre le etichette previste. Imposta `probability` l' JMESPath espressione «probabilità» per estrarne le probabilità. Il job SageMaker Clarify determina automaticamente l'etichetta prevista identificando l'etichetta con il valore di probabilità più elevato.
+ Imposta `probability` l' JMESPath espressione «probabilità» per estrarne le probabilità. Se `label_headers` viene fornita, il processo di elaborazione SageMaker Clarify può determinare automaticamente l'etichetta prevista identificando l'etichetta con il valore di probabilità più elevato.
Per l'analisi dell'importanza della funzionalità, procedi come segue.
+ Imposta `probability` l' JMESPath espressione «probabilità» per estrarre le probabilità relative a tutte le etichette previste. Quindi, verranno calcolate le attribuzioni delle funzionalità per tutte le etichette.
## La risposta dell'endpoint è in formato JSON
Se il payload di risposta è in formato JSON (tipo MIME:`application/json`), il processo di elaborazione SageMaker Clarify deserializza l'intero payload come JSON. Quindi estrae le previsioni dai dati deserializzati utilizzando le espressioni fornite nella configurazione dell'analisi. JMESPath I record del payload di risposta devono corrispondere ai record nel payload di richiesta.
Le successive sezioni mostrano esempi di risposte degli endpoint in formato JSON Lines. Queste sezioni contengono tabelle con esempi dei dati di risposta in diversi formati e per diversi tipi di problemi. I tuoi dati possono variare rispetto a questi esempi, ammesso che le previsioni possano essere estratte in base alla configurazione dell'analisi.
### La risposta dell'endpoint è in formato JSON e contiene solo la probabilità
La seguente tabella è un esempio di risposta da parte di un endpoint che restituisce solo il valore di probabilità (punteggio).
| Payload di richiesta dell'endpoint | Payload di risposta dell'endpoint (rappresentazione di stringhe) |
| --- | --- |
| Record singolo | '[0.6]' |
| Due record | '[0.6,0.3]' |
Nell'esempio precedente, non vi è alcuna interruzione di riga nel payload di risposta. Un singolo oggetto JSON contiene invece un elenco di punteggi, uno per ogni record nella richiesta. Impostate il parametro `probability` di configurazione dell'analisi sull' JMESPath espressione «[\$1]» per estrarre il valore.
### La risposta dell'endpoint è in formato JSON e contiene solo l'etichetta prevista
La seguente tabella è un esempio di risposta da parte di un endpoint che restituisce solo l'etichetta prevista.
| Payload di richiesta dell'endpoint | Payload di risposta dell'endpoint (rappresentazione di stringhe) |
| --- | --- |
| Record singolo | '\$1"predicted\$1labels":[1]\$1' |
| Due record | '\$1"predicted\$1labels":[1,0]\$1' |
Imposta il `label` parametro della `predictor` configurazione sull' JMESPath espressione «predicted\$1labels», quindi il processo di elaborazione SageMaker Clarify può estrarre le etichette previste per l'analisi delle distorsioni.
### La risposta dell'endpoint è in formato JSON e contiene l'etichetta prevista e la probabilità
La seguente tabella è un esempio di risposta da parte di un endpoint che restituisce l'etichetta prevista e il suo punteggio.
| Payload di richiesta dell'endpoint | Payload di risposta dell'endpoint (rappresentazione di stringhe) |
| --- | --- |
| Record singolo | '\$1"predictions":[\$1"label":1,"score":0.6\$1' |
| Due record | ‘\$1"predictions":[\$1"label":1,"score":0.6\$1,\$1"label":0,"score":0.3\$1]\$1' |
Per l'esempio precedente, impostate il `label` parametro della `predictor` configurazione sull' JMESPath espressione «predictions [\$1] .label» per estrarre le etichette previste. Imposta `probability` l' JMESPath espressione «predictions [\$1] .score» per estrarre la probabilità.
### La risposta dell'endpoint è in formato JSON e contiene le etichette previste e le probabilità (multiclasse)
La seguente tabella è un esempio di risposta da parte di un endpoint, ottenuta da un modello multiclasse che restituisce quanto segue:
+ Un elenco di etichette previste.
+ Le probabilità e l'etichetta prevista selezionata e la sua probabilità.
| Payload di richiesta dell'endpoint | Payload di risposta dell'endpoint (rappresentazione di stringhe) |
| --- | --- |
| Record singolo | '[\$1"predicted\$1label":"dog","probability":0.6,"predicted\$1labels":["cat","dog","fish"],"probabilities":[0.1,0.6,0.3]\$1]' |
| Due record | '[\$1"predicted\$1label":"dog","probability":0.6,"predicted\$1labels":["cat","dog","fish"],"probabilities":[0.1,0.6,0.3]\$1,\$1"predicted\$1label":"cat","probability":0.7,"predicted\$1labels":["cat","dog","fish"],"probabilities":[0.7,0.2,0.1]\$1]' |
Il processo di elaborazione di SageMaker Clarify può essere configurato in diversi modi per estrarre le previsioni.
Per l'analisi dei bias, il precedente esempio può essere configurato in **uno** dei modi descritti in seguito.
+ Imposta il `label` parametro della `predictor` configurazione sull' JMESPath espressione «[\$1] .predicted\$1label» per estrarre l'etichetta prevista.
+ Imposta il parametro sull' JMESPath espressione «[\$1] .predicted\$1labels» per estrarre le etichette previste. Imposta `probability` l' JMESPath espressione «[\$1] .probabilities» per estrarne le probabilità. Il processo di elaborazione SageMaker Clarify può determinare automaticamente l'etichetta prevista identificando l'etichetta con il valore di prossimità più elevato.
+ Impostate `probability` l' JMESPath espressione «[\$1] .probabilities» per estrarne le probabilità. Se `label_headers` viene fornita, il processo di elaborazione di SageMaker Clarify può determinare automaticamente l'etichetta prevista identificando l'etichetta con il valore di probabilità più elevato.
Per l'analisi dell'importanza delle caratteristiche, impostate `probability` JMESPath l'espressione «[\$1] .probabilities» per estrarre le probabilità relative a tutte le etichette previste. Quindi, verranno calcolate le attribuzioni delle funzionalità per tutte le etichette.