表格式資料

表格式資料是指可以載入到二維資料影格中的資料。在影格中，每一行代表一條記錄，每條記錄都有一個或多個資料欄。每個資料框儲存格內的值可以是數值、分類或文字資料類型。

表格式資料集先決條件

在進行分析之前，您的資料集應該已經套用了任何必要的預先處理步驟。這包含資料清理或功能工程。

您可以提供一或多個資料集。如果您提供多個資料集，請使用下列指令將其識別為 SageMaker Clarify 處理任務。

使用命名為 dataset 的 ProcessingInput 或分析組態 dataset_uri 來指定主資料集。如需的詳細資訊dataset_uri，請參閱中的參數清單分析組態檔案。
使用分析組態檔案中提供的 baseline 參數。SHAP 分析需要基準資料集。如需分析組態檔案的詳細資訊，包括範例，請參閱分析組態檔案。

下表列出支援的資料格式、其副檔名和 MIME 類型。

資料格式	副檔名	MIME 類型
CSV	csv	`text/csv`
JSON 行	JSOL	`application/jsonlines`
JSON	json	`application/json`
Parquet	parquet	“application/x-parquet”

以下各章節顯示 CSV、JSON 行和 Apache Parquet 格式的範例表格式資料集。

SageMaker Clarify 處理任務的設計是為了以 csv.excel 方言載入 CSV 資料檔案。但是，它具有足夠的靈活性，可以支援其他行終止程式，包含 \n 和 \r。

為了相容性，提供給 SageMaker Clarify 處理任務的所有 CSV 資料檔案都必須以 UTF-8 編碼。

如果您的資料集不包含標題列，請執行下列作業：

將分析組態標籤設定為索引 0。這代表首欄是 Ground Truth 標籤。
如果參數 headers 已設定，請將 label 設定為標示欄標題，以指示標籤欄的位置。所有其他資料欄都被設定為功能。

以下是不包含標題列的資料集範例。
```
1,5,2.8,2.538,This is a good product
0,1,0.79,0.475,Bad shopping experience
...
```

如果您的資料包含標題列，請將參數 label 設定為 index 0。若要指示標籤欄的位置，請使用 Ground Truth 標籤標題Label。所有其他資料欄都被設定為功能。

以下為包含標題列的資料集範例。


Label,Rating,A12,A13,Comments
1,5,2.8,2.538,This is a good product
0,1,0.79,0.475,Bad shopping experience
...

JSON 是一種靈活的格式，用於表示包含任何複雜層級的結構化資料。SageMaker Clarify 對 JSON 的支援並不限於任何特定的格式，因此與 CSV 或 JSON 行格式的資料集相比，允許更靈活的資料格式。本指南說明如何作為 JSON 格式匯出格式的表格式資料設定分析組態。

注意

為確保相容性，提供給 SageMaker Clarify 處理任務的所有 JSON 資料檔案都必須以 UTF-8 編碼。

以下是包含最上層鍵、功能清單和標籤之記錄的範例輸入資料。


[
    {"features":[1,5,2.8,2.538,"This is a good product"],"label":1},
    {"features":[0,1,0.79,0.475,"Bad shopping experience"],"label":0},
    ...
]

上一個輸入範例資料集的範例組態分析應該設定下列參數：

該 label 參數應使用 JMESPath 表達式 [*].label 來擷取資料集中每個記錄的 Ground Truth 標籤。JMESPath 表達式應該產生一個標籤清單，其中第 i 個標籤對應於第 i 個記錄。
features 參數應該使用 JMESPath 運算式 [*].features 來擷取資料集中每個記錄的功能陣列。JMESPath 運算式應該產生 2D 陣列或矩陣，其中第 i 列包含對應於第 i 個記錄的功能值。

以下是包含最上層索引鍵和巢狀索引鍵的記錄的範例輸入資料，其中包含每個記錄的功能和標籤清單。


{
    "data": [
        {"features":[1,5,2.8,2.538,"This is a good product"],"label":1}},
        {"features":[0,1,0.79,0.475,"Bad shopping experience"],"label":0}}
    ]
}

上一個輸入範例資料集的範例組態分析應該設定下列參數：

此label參數會使用 JmesPath 運算式data[*].label來擷取資料集中每個記錄的 Ground Truth 標籤。JMesPath 表達式應該產生一個標籤清單，其中第 i 個標籤用於第 i 個記錄。
features 參數使用 JMESPath 表達data[*].features式來擷取資料集中每個記錄的功能陣列。JMESPath 運算式應該產生 2D 陣列或矩陣，其中第 i 列包含第 i 個記錄的功能值。

JSON 行是一種文字格式，用於表示結構化資料，其中每一行都是一個有效的 JSON 物件。目前 SageMaker Clarify 處理任務僅支援 SageMaker AI 密集格式 JSON 行。為了符合所需的格式，記錄的所有功能都應列在單一 JSON 陣列中。如需 JSON Lines 的詳細資訊，請參閱 JSONLINES 請求格式。

注意

提供給 SageMaker Clarify 處理任務的所有 JSON 行資料檔案必須以 UTF-8 編碼，以確保相容性。

以下是如何為包含頂層鍵和元素清單的記錄設定分析組態的範例。


{"features":[1,5,2.8,2.538,"This is a good product"],"label":1}
{"features":[0,1,0.79,0.475,"Bad shopping experience"],"label":0}
...

先前的資料集範例組態分析應該如下設定參數：

若要指示 Ground Truth 標籤的位置，應將參數 label 設定為 JMESPath 運算式 label。
若要指示功能陣列的位置，應將參數 features 設定為 JMESPath 運算式 features。

以下是如何為包含頂層鍵和包含元素清單的巢狀鍵的記錄設定分析組態的範例。


{"data":{"features":[1,5,2.8,2.538,"This is a good product"],"label":1}}
{"data":{"features":[0,1,0.79,0.475,"Bad shopping experience"],"label":0}}
...

先前的資料集範例組態分析應該如下設定參數：

該參數 label 應設定為 JMESPath 表達式 data.label，以指示 Ground Truth 標籤的位置。
參數 features 應設定為 JMESPath 運算式 data.features，以指示功能陣列的位置。

Parquet是一種面向資料欄的二進位資料格式。目前，SageMaker Clarify 處理任務只有在處理執行個體計數為 1 時，才支援載入 Parquet 資料檔案。

由於 SageMaker Clarify 處理任務不支援 Parquet 格式的端點請求或端點回應，因此您必須將分析組態參數設定 content_type 為支援的格式，以指定端點請求的資料格式。如需詳細資訊，請參閱分析組態檔案中的 content_type。

Parquet 資料必須具有格式化為字串的資料欄名稱。使用分析組態 label 參數設定標籤資料欄名稱名稱，以指示 Ground Truth 標籤的位置。所有其他資料欄都被設定為功能。

您的瀏覽器已停用或無法使用 Javascript。

您必須啟用 Javascript，才能使用 AWS 文件。請參閱您的瀏覽器說明頁以取得說明。

文件慣用形式

資料格式相容性指南

表格式資料的端點請求