Zeitreihendaten

Zeitreihendaten beziehen sich auf Daten, die in einen dreidimensionalen Datenrahmen geladen werden können. In dem Frame steht in jedem Zeitstempel jede Zeile für einen Zieldatensatz, und jeder Zieldatensatz hat eine oder mehrere zugehörige Spalten. Bei den Werten in jeder Zelle des Datenrahmens kann es sich um numerische, kategoriale oder Textdatentypen handeln.

Voraussetzungen für Zeitreihen-Datensätze

Führen Sie vor der Analyse die erforderlichen Vorverarbeitungsschritte zur Vorbereitung Ihrer Daten durch, z. B. Datenbereinigung oder Feature-Engineering. Sie können einen oder mehrere Datensätze bereitstellen. Wenn Sie mehrere Datensätze bereitstellen, verwenden Sie eine der folgenden Methoden, um sie dem Clarif-Verarbeitungsjob zur Verfügung zu SageMaker stellen:

• Verwenden Sie entweder eine ProcessingInputbenannte Konfiguration dataset oder die Analysekonfigurationdataset_uri, um den Hauptdatensatz anzugeben. Weitere Informationen zu dataset_uri finden Sie in der Parameterliste unterKonfigurieren Sie die Analyse.

• Verwenden Sie den in der Analysekonfigurationsdatei bereitgestellten baseline Parameter. Der Basisdatensatz ist erforderlich fürstatic_covariates, falls vorhanden. Weitere Informationen zur Analysekonfigurationsdatei, einschließlich Beispielen, finden Sie unterKonfigurieren Sie die Analyse.

In der folgenden Tabelle sind die unterstützten Datenformate, ihre Dateierweiterungen und MIME-Typen aufgeführt.

Data format (Datenformat)	Dateierweiterung	MIME-Typ
item_records	json	application/json
timestamp_records	json	application/json
columns	json	application/json

JSON ist ein flexibles Format, das jede Komplexität Ihrer strukturierten Daten darstellen kann. Wie in der Tabelle gezeigt, unterstützt SageMaker Clarify die Formate item_recordstimestamp_records, undcolumns.

Beispiele für die Konfiguration von Zeitreihen-Datensätzen

In diesem Abschnitt erfahren Sie, wie Sie eine Analysekonfiguration time_series_data_config für Zeitreihendaten im JSON-Format einrichten. Angenommen, Sie haben einen Datensatz mit zwei Elementen, jedes mit einem Zeitstempel (t), einer Zielzeitreihe (x), zwei verwandten Zeitreihen (r) und zwei statischen Kovariaten (u) wie folgt:

t ₁ = [0,1,2], t ₂ = [2,3]

x ₁ = [5,6,4], x ₂ = [0,4]

r ₁ = [0,1,0], r ₂ ¹ = [1,1]

r ₁ ² = [0,0,0], r ₂ ² = [1,0]

u ₁ ¹ = -1, u ₂ ¹ = 0

u ₁ ² = 1, u ₂ ² = 2

Sie können den Datensatz auf drei verschiedene Arten kodieren, abhängig dataset_format von. time_series_data_config In den folgenden Abschnitten werden die einzelnen Methoden beschrieben.

Konfiguration der Zeitreihendaten, wann dataset_format ist columns

Im folgenden Beispiel wird der columns Wert für verwendetdataset_format. Die folgende JSON-Datei stellt den vorherigen Datensatz dar.

{
    "ids": [1, 1, 1, 2, 2],
    "timestamps": [0, 1, 2, 2, 3], # t
    "target_ts": [5, 6, 4, 0, 4], # x
    "rts1": [0, 1, 0, 1, 1], # r1
    "rts2": [0, 0, 0, 1, 0], # r2
    "scv1": [-1, -1, -1, 0, 0], # u1
    "scv2": [1, 1, 1, 2, 2], # u2
}

Beachten Sie, dass die Element-IDs im ids Feld wiederholt werden. Die korrekte Implementierung von time_series_data_config wird wie folgt dargestellt:

"time_series_data_config": {
    "item_id": "ids",
    "timestamp": "timestamps",
    "target_time_series": "target_ts",
    "related_time_series": ["rts1", "rts2"],
    "static_covariates": ["scv1", "scv2"],
    "dataset_format": "columns"
}

Konfiguration der Zeitreihendaten, wann dataset_format ist item_records

Im folgenden Beispiel wird der item_records Wert für verwendetdataset_format. Die folgende JSON-Datei stellt den Datensatz dar.

[
    {
        "id": 1,
        "scv1": -1,
        "scv2": 1,
        "timeseries": [
            {"timestamp": 0, "target_ts": 5, "rts1": 0, "rts2": 0},
            {"timestamp": 1, "target_ts": 6, "rts1": 1, "rts2": 0},
            {"timestamp": 2, "target_ts": 4, "rts1": 0, "rts2": 0}
        ]
    },
    {
        "id": 2,
        "scv1": 0,
        "scv2": 2,
        "timeseries": [
            {"timestamp": 2, "target_ts": 0, "rts1": 1, "rts2": 1},
            {"timestamp": 3, "target_ts": 4, "rts1": 1, "rts2": 0}
        ]
    }
]

Jedes Element wird als separater Eintrag in der JSON-Datei dargestellt. Das folgende Snippet zeigt das entsprechende time_series_data_config (das JMESPath verwendet).

"time_series_data_config": {
    "item_id": "[*].id",
    "timestamp": "[*].timeseries[].timestamp",
    "target_time_series": "[*].timeseries[].target_ts",
    "related_time_series": ["[*].timeseries[].rts1", "[*].timeseries[].rts2"],
    "static_covariates": ["[*].scv1", "[*].scv2"],
    "dataset_format": "item_records"
}

Konfiguration von Zeitreihendaten, wann ist dataset_formattimestamp_record

Im folgenden Beispiel wird der timestamp_record Wert für verwendetdataset_format. Die folgende JSON-Datei stellt den vorherigen Datensatz dar.

[
    {"id": 1, "timestamp": 0, "target_ts": 5, "rts1": 0, "rts2": 0, "svc1": -1, "svc2": 1},
    {"id": 1, "timestamp": 1, "target_ts": 6, "rts1": 1, "rts2": 0, "svc1": -1, "svc2": 1},
    {"id": 1, "timestamp": 2, "target_ts": 4, "rts1": 0, "rts2": 0, "svc1": -1, "svc2": 1},
    {"id": 2, "timestamp": 2, "target_ts": 0, "rts1": 1, "rts2": 1, "svc1": 0, "svc2": 2},
    {"id": 2, "timestamp": 3, "target_ts": 4, "rts1": 1, "rts2": 0, "svc1": 0, "svc2": 2},
]

Jeder JSON-Eintrag steht für einen einzelnen Zeitstempel und entspricht einem einzelnen Element. Die Implementierung time_series_data_config wird wie folgt dargestellt:

{
    "item_id": "[*].id",
    "timestamp": "[*].timestamp",
    "target_time_series": "[*].target_ts",
    "related_time_series": ["[*].rts1"],
    "static_covariates": ["[*].scv1"],
    "dataset_format": "timestamp_records"
}