As traduções são geradas por tradução automática. Em caso de conflito entre o conteúdo da tradução e da versão original em inglês, a versão em inglês prevalecerá.

# O campo de destinos em um objeto neptune\$1ml
<a name="machine-learning-neptune_ml-targets"></a>

O campo `targets` em uma configuração de exportação de dados de treinamento JSON contém uma matriz de objetos de destino que especificam uma tarefa de treinamento e os rótulos das classes de machine learning para treinar essa tarefa. O conteúdo dos objetos de destino varia dependendo se você está treinando com dados de grafos de propriedades ou dados do RDF.

Para tarefas de classificação e regressão de nós do grafo de propriedades, os objetos de destino na matriz podem ter a seguinte aparência:

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

Para tarefas de classificação de bordas, regressão ou previsão de links de grafos de propriedades, elas podem ter a seguinte aparência:

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

Para tarefas de classificação e regressão do RDF, os objetos de destino na matriz podem ter a seguinte aparência:

```
{
  "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]
}
```

Para tarefas de previsão de links do RDF, os objetos de destino na matriz podem ter a seguinte aparência:

```
{
  "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]
}
```

Os objetos de destino podem conter os seguintes campos:

**Contents**
+ [Campos de destino do grafo de propriedades](#machine-learning-property-graph-neptune_ml-targets)
  + [nó](#machine-learning-property-graph-neptune_ml-targets-node)
  + [borda](#machine-learning-property-graph-neptune_ml-targets-edge)
  + [property](#machine-learning-property-graph-neptune_ml-targets-property)
  + [type](#machine-learning-property-graph-neptune_ml-targets-type)
  + [split\$1rate](#machine-learning-property-graph-neptune_ml-targets-split_rate)
  + [separador](#machine-learning-property-graph-neptune_ml-targets-separator)
+ [Campos de destino do RDF](#machine-learning-RDF-neptune_ml-targets)
  + [nó](#machine-learning-RDF-neptune_ml-targets-node)
  + [subject](#machine-learning-RDF-neptune_ml-targets-subject)
  + [predicado](#machine-learning-RDF-neptune_ml-targets-predicate)
  + [objeto](#machine-learning-RDF-neptune_ml-targets-object)
  + [type](#machine-learning-RDF-neptune_ml-targets-type)
  + [split\$1rate](#machine-learning-RDF-neptune_ml-targets-split_rate)

## Campos em um objeto de destino do grafo de propriedades
<a name="machine-learning-property-graph-neptune_ml-targets"></a>

### O campo nó (vértice) em um objeto de destino
<a name="machine-learning-property-graph-neptune_ml-targets-node"></a>

O rótulo do grafo de propriedades de um nó de destino (vértice). Um objeto de destino deve conter um elemento `node` ou `edge`, mas não ambos.

O `node` pode assumir um único valor, como este:

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

Ou, no caso de um vértice com vários rótulos, ele pode usar uma série de valores, como esta:

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

### O campo borda em um objeto de destino do grafo de propriedades
<a name="machine-learning-property-graph-neptune_ml-targets-edge"></a>

Especifica uma borda de destino pelos rótulos de nó inicial, o próprio rótulo e os rótulos de nó final. Um objeto de destino deve conter um elemento `edge` ou `node`, mas não ambos.

O valor de um campo `edge` é uma matriz JSON de três strings que representam os rótulos do grafo de propriedades do nó inicial, o rótulo do grafo de propriedades da própria borda e os rótulos do grafo de propriedades do nó final, desta forma:

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

Se o nó and/or final do nó inicial tiver vários rótulos, coloque-os em uma matriz, como esta:

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

### O campo propriedade em um objeto de destino do grafo de propriedades
<a name="machine-learning-property-graph-neptune_ml-targets-property"></a>

Especifica uma propriedade do vértice ou da borda de destino, desta forma:

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

Esse campo é obrigatório, exceto quando a tarefa de destino é a previsão de links.

### O campo tipo em um objeto de destino do grafo de propriedades
<a name="machine-learning-property-graph-neptune_ml-targets-type"></a>

Indica o tipo de tarefa de destino a ser realizada no `node` ou na `edge`, desta forma:

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

Os tipos de tarefa compatíveis com nós são:
+ `classification`
+ `regression`

Os tipos de tarefa compatíveis com bordas são:
+ `classification`
+ `regression`
+ `link_prediction`

Este campo é obrigatório.

### O campo split\$1rate em um objeto de destino do grafo de propriedades
<a name="machine-learning-property-graph-neptune_ml-targets-split_rate"></a>

(*Opcional*) Uma estimativa das proporções de nós ou bordas que as fases de treinamento, validação e teste usarão, respectivamente. Essas proporções são representadas por uma matriz JSON de três números entre zero e um que somam um:

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

Se você não fornecer o campo opcional `split_rate`, o valor estimado padrão será `[0.9, 0.1, 0.0]` para tarefas de classificação e regressão e `[0.9,0.05, 0.05]` para tarefas de previsão de links.

### O campo separador em um objeto de destino do grafo de propriedades
<a name="machine-learning-property-graph-neptune_ml-targets-separator"></a>

(*Opcional*) Usado com uma tarefa de classificação.

O campo `separator` especifica um caractere usado para dividir um valor de propriedade de destino em vários valores categóricos quando é usado para armazenar vários valores de categoria em uma string. Por exemplo:

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

A presença de um campo `separator` indica que a tarefa é de classificação com vários destinos.

## Campos em um objeto de destino do RDF
<a name="machine-learning-RDF-neptune_ml-targets"></a>

### O campo nó em um objeto de destino do RDF
<a name="machine-learning-RDF-neptune_ml-targets-node"></a>

Define o tipo dos nós de destino. Usado com tarefas de classificação ou regressão de nós. O tipo de um nó no RDF é definido por:

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

Um `node` do RDF pode assumir um único valor, como este:

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

### O campo assunto em um objeto de destino do RDF
<a name="machine-learning-RDF-neptune_ml-targets-subject"></a>

Para tarefas de previsão de links, `subject` define o tipo de nó de origem das bordas de destino.

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

**nota**  
Para tarefas de previsão de links, `subject` deve ser usado junto com `predicate` e `object`. Se algum desses três não for fornecido, todas as bordas serão tratadas como o destino do treinamento.

### O campo predicado em um objeto de destino do RDF
<a name="machine-learning-RDF-neptune_ml-targets-predicate"></a>

Para tarefas de classificação e regressão de nós, `predicate` define quais dados literais são usados como o atributo de um nó de destino.

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

**nota**  
Se os nós de destino tiverem apenas um predicado que defina o atributo do nó de destino, o campo `predicate` poderá ser omitido.

Para tarefas de previsão de links, `predicate` define o tipo de relação das bordas de destino.

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

**nota**  
Para tarefas de previsão de links, `predicate` deve ser usado junto com `subject` e `object`. Se algum desses três não for fornecido, todas as bordas serão tratadas como o destino do treinamento.

### O campo objeto em um objeto de destino do RDF
<a name="machine-learning-RDF-neptune_ml-targets-object"></a>

Para tarefas de previsão de links, `object` define o tipo de nó de destino das bordas de destino:

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

**nota**  
Para tarefas de previsão de links, `object` deve ser usado junto com `subject` e `predicate`. Se algum desses três não for fornecido, todas as bordas serão tratadas como o destino do treinamento.

### O campo tipo em um objeto de destino do RDF
<a name="machine-learning-RDF-neptune_ml-targets-type"></a>

Indica o tipo de tarefa de destino a ser realizada, desta forma:

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

Os tipos de tarefa compatíveis com dados do RDF são:
+ `link_prediction`
+ `classification`
+ `regression`

Este campo é obrigatório.

### O campo `split_rate` em um objeto de destino do grafo de propriedades
<a name="machine-learning-RDF-neptune_ml-targets-split_rate"></a>

(*Opcional*) Uma estimativa das proporções de nós ou bordas que as fases de treinamento, validação e teste usarão, respectivamente. Essas proporções são representadas por uma matriz JSON de três números entre zero e um que somam um:

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

Se você não fornecer o campo `split_rate` opcional, o valor estimado padrão será `[0.9, 0.1, 0.0]`.