기계 번역으로 제공되는 번역입니다. 제공된 번역과 원본 영어의 내용이 상충하는 경우에는 영어 버전이 우선합니다.

# neptune\_ml 객체의 targets 필드
<a name="machine-learning-neptune_ml-targets"></a>

JSON 훈련 데이터 내보내기 구성의 `targets` 필드에는 훈련 작업을 지정하는 대상 객체 배열과 이 작업을 훈련하기 위한 기계 학습 클래스 레이블이 포함됩니다. 대상 객체의 콘텐츠는 훈련 대상이 속성 그래프 데이터인지 RDF 데이터인지에 따라 달라집니다.

속성 그래프 노드 분류 및 회귀 작업의 경우 배열의 대상 객체는 다음과 같을 수 있습니다.

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

속성 그래프 엣지 분류, 회귀 또는 연결 예측 작업의 경우 다음과 같을 수 있습니다.

```
{
  "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": ","
}
```

RDF 분류 및 회귀 작업의 경우 배열의 대상 객체는 다음과 같을 수 있습니다.

```
{
  "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]
}
```

RDF 연결 예측 작업의 경우 배열의 대상 객체는 다음과 같을 수 있습니다.

```
{
  "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]
}
```

대상 객체에는 다음과 같은 필드가 포함될 수 있습니다.

**Contents**
+ [속성 그래프 대상 필드](#machine-learning-property-graph-neptune_ml-targets)
  + [노드](#machine-learning-property-graph-neptune_ml-targets-node)
  + [엣지](#machine-learning-property-graph-neptune_ml-targets-edge)
  + [속성](#machine-learning-property-graph-neptune_ml-targets-property)
  + [type](#machine-learning-property-graph-neptune_ml-targets-type)
  + [split\_rate](#machine-learning-property-graph-neptune_ml-targets-split_rate)
  + [separator](#machine-learning-property-graph-neptune_ml-targets-separator)
+ [RDF 대상 필드](#machine-learning-RDF-neptune_ml-targets)
  + [노드](#machine-learning-RDF-neptune_ml-targets-node)
  + [subject](#machine-learning-RDF-neptune_ml-targets-subject)
  + [조건자](#machine-learning-RDF-neptune_ml-targets-predicate)
  + [객체](#machine-learning-RDF-neptune_ml-targets-object)
  + [type](#machine-learning-RDF-neptune_ml-targets-type)
  + [split\_rate](#machine-learning-RDF-neptune_ml-targets-split_rate)

## 속성 그래프 대상 객체의 필드
<a name="machine-learning-property-graph-neptune_ml-targets"></a>

### 대상 객체의 node (버텍스) 필드
<a name="machine-learning-property-graph-neptune_ml-targets-node"></a>

대상 노드(버텍스)의 속성 그래프 레이블. 대상 객체는 `node` 요소 또는 `edge` 요소를 포함해야 하지만, 둘 다 포함해서는 안 됩니다.

`node`는 다음과 같이 단일 값을 취할 수 있습니다.

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

또는 레이블이 여러 개인 버텍스의 경우 다음과 같이 값 배열을 사용할 수 있습니다.

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

### 속성 그래프 대상 객체의 edge 필드
<a name="machine-learning-property-graph-neptune_ml-targets-edge"></a>

시작 노드 레이블, 자체 레이블, 끝 노드 레이블로 대상 엣지를 지정합니다. 대상 객체는 `edge` 요소 또는 `node` 요소를 포함해야 하지만, 둘 다 포함해서는 안 됩니다.

`edge` 필드 값은 다음과 같이 시작 노드의 속성 그래프 레이블, 엣지 자체의 속성 그래프 레이블, 끝 노드의 속성 그래프 레이블을 나타내는 3개의 문자열로 구성된 JSON 배열입니다.

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

시작 노드 및/또는 끝 노드에 레이블이 여러 개 있는 경우 다음과 같이 레이블을 배열로 묶습니다.

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

### 속성 그래프 대상 객체의 property 필드
<a name="machine-learning-property-graph-neptune_ml-targets-property"></a>

다음과 같이 대상 버텍스 또는 엣지의 속성을 지정합니다.

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

이 필드는 필수 필드입니다. 단, 대상 작업이 연결 예측인 경우는 예외입니다.

### 속성 그래프 대상 객체의 type 필드
<a name="machine-learning-property-graph-neptune_ml-targets-type"></a>

`node` 또는 `edge`에서 수행할 대상 작업의 유형을 다음과 같이 나타냅니다.

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

노드에 지원되는 작업 유형은 다음과 같습니다.
+ `classification`
+ `regression`

엣지에 지원되는 작업 유형은 다음과 같습니다.
+ `classification`
+ `regression`
+ `link_prediction`

이 필드는 필수 항목입니다.

### 속성 그래프 대상 객체의 split\_rate 필드
<a name="machine-learning-property-graph-neptune_ml-targets-split_rate"></a>

(*선택 사항*) 훈련 단계, 검증 단계, 테스트 단계에서 각각 사용할 노드 또는 엣지의 비율 추정치입니다. 이 비율은 0과 1 사이의 숫자 3개로 구성된 JSON 배열로 표현됩니다. 이 숫자 3개를 더하면 1이 됩니다.

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

선택적 `split_rate` 필드를 제공하지 않는 경우 분류 및 회귀 태스크에 대한 기본 예상 값은 `[0.9, 0.1, 0.0]`이고 링크 예측 태스크의 경우 `[0.9,0.05, 0.05]`입니다.

### 속성 그래프 대상 객체의 separator 필드
<a name="machine-learning-property-graph-neptune_ml-targets-separator"></a>

(*선택 사항*) 분류 작업과 함께 사용됩니다.

이 `separator` 필드는 문자열에 여러 범주 값을 저장하는 데 사용 시 대상 속성값을 여러 범주 값으로 분할하는 데 사용되는 문자를 지정합니다. 예제:

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

`separator` 필드가 있으면 해당 작업이 다중 대상 분류 작업임을 나타냅니다.

## RDF 대상 객체의 필드
<a name="machine-learning-RDF-neptune_ml-targets"></a>

### RDF 대상 객체의 node 필드
<a name="machine-learning-RDF-neptune_ml-targets-node"></a>

대상 노드의 노드 유형을 정의합니다. 노드 분류 작업 또는 노드 회귀 작업에 사용됩니다. RDF에 있는 노드의 노드 유형은 다음과 같이 정의됩니다.

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

RDF `node`는 다음과 같이 단일 값만 취할 수 있습니다.

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

### RDF 대상 객체의 subject 필드
<a name="machine-learning-RDF-neptune_ml-targets-subject"></a>

연결 예측 작업의 경우 `subject`에서는 대상 엣지의 소스 노드 유형을 정의합니다.

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

**참고**  
연결 예측 작업의 경우 `subject`는 `predicate` 및 `object`와 함께 사용해야 합니다. 이 3가지 중 하나라도 제공되지 않으면 모든 엣지가 훈련 대상으로 취급됩니다.

### RDF 대상 객체의 predicate 필드
<a name="machine-learning-RDF-neptune_ml-targets-predicate"></a>

노드 분류 및 노드 회귀 작업의 경우 `predicate`에서는 대상 노드의 대상 노드 기능으로 사용되는 리터럴 데이터를 정의합니다.

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

**참고**  
대상 노드에 대상 노드 기능을 정의하는 조건자가 하나뿐인 경우 `predicate` 필드를 생략할 수 있습니다.

연결 예측 작업의 경우 `predicate`에서는 대상 엣지의 관계 유형을 정의합니다.

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

**참고**  
연결 예측 작업의 경우 `predicate`는 `subject` 및 `object`와 함께 사용해야 합니다. 이 3가지 중 하나라도 제공되지 않으면 모든 엣지가 훈련 대상으로 취급됩니다.

### RDF 대상 객체의 object 필드
<a name="machine-learning-RDF-neptune_ml-targets-object"></a>

연결 예측 작업의 경우 `object`에서는 대상 엣지의 대상 노드 유형을 정의합니다.

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

**참고**  
연결 예측 작업의 경우 `object`는 `subject` 및 `predicate`와 함께 사용해야 합니다. 이 3가지 중 하나라도 제공되지 않으면 모든 엣지가 훈련 대상으로 취급됩니다.

### RDF 대상 객체의 type 필드
<a name="machine-learning-RDF-neptune_ml-targets-type"></a>

수행할 대상 작업의 유형을 다음과 같이 나타냅니다.

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

RDF 데이터에 지원되는 작업 유형은 다음과 같습니다.
+ `link_prediction`
+ `classification`
+ `regression`

이 필드는 필수 항목입니다.

### 속성 그래프 대상 객체의 `split_rate` 필드
<a name="machine-learning-RDF-neptune_ml-targets-split_rate"></a>

(*선택 사항*) 훈련 단계, 검증 단계, 테스트 단계에서 각각 사용할 노드 또는 엣지의 비율 추정치입니다. 이 비율은 0과 1 사이의 숫자 3개로 구성된 JSON 배열로 표현됩니다. 이 숫자 3개를 더하면 1이 됩니다.

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

옵션 `split_rate` 필드를 제공하지 않는 경우 기본 예상 값은 `[0.9, 0.1, 0.0]`입니다.