本文属于机器翻译版本。若本译文内容与英语原文存在差异，则一律以英文原文为准。

# Canvas 中的示例数据集
<a name="canvas-sample-datasets"></a>

SageMaker Canvas 提供了解决独特用例的示例数据集，因此您无需编写任何代码即可快速开始构建、训练和验证模型。与这些数据集相关的用例突出显示了 SageMaker Canvas 的功能，您可以利用这些数据集开始构建模型。您可以在 C SageMaker anvas 应用程序**的数据集**页面中找到示例数据集。

以下数据集是 SageMaker Canvas 默认提供的示例。这些数据集涵盖的使用案例包括：预测房价、贷款违约和糖尿病患者再入院；预测销售额；预测机器故障以简化制造单位的预测性维护；以及为运输和物流生成供应链预测。这些数据集存储在默认的 Amazon S3 存储桶中的`sample_dataset`文件夹中，该存储桶是 SageMaker 人工智能为您在某个地区中的账户创建的。
+ **canvas-sample-diabetic-readmission.csv：**此数据集包含历史数据，包括超过十五个包含患者和医院结果的特征。您可以使用此数据集来预测高危糖尿病患者是否有可能在出院后 30 天内、30 天后再次入院，或者根本不可能再次入院。使用 **redadmitted** 列作为目标列，并对此数据集使用 3\$1 类别预测模型类型。要详细了解如何使用此数据集构建模型，请参阅 [SageMaker Canvas 研讨会页面](https://catalog.us-east-1.prod.workshops.aws/workshops/80ba0ea5-7cf9-4b8c-9d3f-1cd988b6c071/en-US/zzz-legacy/1-use-cases/5-hcls)。此数据集来自 [UCI 机器学习存储库](https://archive.ics.uci.edu/ml/datasets/diabetes+130-us+hospitals+for+years+1999-2008)。
+ **canvas-sample-housing.csv：**此数据集包含与给定房价相关的特征数据。您可以使用此数据集来预测房价。使用 **median\$1house\$1value** 列作为目标列，并对此数据集使用数值预测模型类型。要了解有关使用此数据集构建模型的更多信息，请参阅 [SageMaker Canvas 研讨会页面](https://catalog.us-east-1.prod.workshops.aws/workshops/80ba0ea5-7cf9-4b8c-9d3f-1cd988b6c071/en-US/zzz-legacy/1-use-cases/2-real-estate)。这是从[StatLib 存储库](https://www.dcc.fc.up.pt/~ltorgo/Regression/cal_housing.html)中获得的加州住房数据集。
+ **canvas-sample-loans.csv：**此数据集包含 2007-2011 年期间发放的所有贷款的完整贷款数据，包括当前的贷款状态和最新的付款信息。您可以使用此数据集来预测客户是否会偿还贷款。使用 **loan\$1status** 列作为目标列，并对此数据集使用 3\$1 类别预测模型类型。要详细了解如何使用此数据集构建模型，请参阅 [SageMaker Canvas 研讨会页面](https://catalog.us-east-1.prod.workshops.aws/workshops/80ba0ea5-7cf9-4b8c-9d3f-1cd988b6c071/en-US/zzz-legacy/1-use-cases/4-finserv)。这些数据使用从 [Kaggle](https://www.kaggle.com/datasets/wordsforthewise/lending-club) 获得 LendingClub 的数据。
+ **canvas-sample-maintenance.csv：**此数据集包含与给定维护失败类型相关的特征的数据。您可以使用此数据集来预测将来会发生哪些故障。使用 **Failure Type** 列作为目标列，并对此数据集使用 3\$1 类别预测模型类型。要详细了解如何使用此数据集构建模型，请参阅 [SageMaker Canvas 研讨会页面](https://catalog.us-east-1.prod.workshops.aws/workshops/80ba0ea5-7cf9-4b8c-9d3f-1cd988b6c071/en-US/zzz-legacy/1-use-cases/6-manufacturing)。此数据集来自 [UCI 机器学习存储库](https://archive.ics.uci.edu/ml/datasets/AI4I+2020+Predictive+Maintenance+Dataset)。
+ **canvas-sample-shipping-logs.csv：**此数据集包含所有已交付产品的完整配送数据，包括预计配送优先顺序、承运人和起运地。您可以使用此数据集来预测货物的预计到达时间（以天数为单位）。使用该**ActualShippingDays**列作为目标列，并使用该数据集的数值预测模型类型。要详细了解如何使用这些数据构建模型，请参阅 [SageMaker Canvas 研讨会页面](https://catalog.us-east-1.prod.workshops.aws/workshops/80ba0ea5-7cf9-4b8c-9d3f-1cd988b6c071/en-US/zzz-legacy/1-use-cases/7-supply-chain)。这是 Amazon 创建的合成数据集。
+ **canvas-sample-sales-forecasting.csv：**此数据集包含零售商店的历史时间序列销售数据。您可以使用此数据集来预测特定零售商店的销售额。使用 **sales** 列作为目标列，并对此数据集使用时间序列预测模型类型。要详细了解如何使用此数据集构建模型，请参阅 [SageMaker Canvas 研讨会页面](https://catalog.us-east-1.prod.workshops.aws/workshops/80ba0ea5-7cf9-4b8c-9d3f-1cd988b6c071/en-US/zzz-legacy/1-use-cases/3-retail)。这是 Amazon 创建的合成数据集。