Présentation du format de données pour Amazon ML

Les données d'entrée sont les données que vous utilisez pour créer une source de données. Vous devez enregistrer vos données d'entrée au format CSV (valeurs séparées par des virgules). Chaque ligne du fichier .csv est un enregistrement de données ou une observation unique. Chaque colonne du fichier .csv contient un attribut de l'observation. Par exemple, la figure suivante illustre le contenu d'un fichier .csv qui compte quatre observations, chacune sur sa propre ligne. Chaque observation contient huit attributs, séparés par des virgules. Les attributs représentent les informations suivantes sur chaque individu représenté par une observation : customerId,jobId,education,housing,loan,campaign,duration,willRespondToCampaign.

Attributes

Amazon ML nécessite des noms pour chaque attribut. Vous pouvez spécifier les noms des attributs en :

• incluant les noms des attributs dans la première ligne (également connue sous le nom de ligne d'en-tête) du fichier .csv que vous utilisez en tant que données d'entrée ;

• incluant les noms des attributs dans un fichier de schéma distinct qui est situé dans le même compartiment S3 que vos données d'entrée.

Pour plus d'informations sur l'utilisation des fichiers de schéma, consultez Création d'un schéma de données.

L'exemple suivant d'un fichier .csv comprend les noms des attributs dans la ligne d'en-tête.

customerId,jobId,education,housing,loan,campaign,duration,willRespondToCampaign

1,3,basic.4y,no,no,1,261,0

2,1,high.school,no,no,22,149,0

3,1,high.school,yes,no,65,226,1

4,2,basic.6y,no,no,1,151,0

Exigences en matière de format du fichier d'entrée

Le fichier .csv qui contient vos données d'entrée doit répondre aux exigences suivantes :

• Il doit être en texte brut et utiliser un jeu de caractères tel qu'ASCII, Unicode ou EBCDIC.

• Il est composé d'observations, une observation par ligne.

• Pour chaque observation, les valeurs d'attribut doivent être séparées par des virgules.

• Si une valeur d'attribut contient une virgule (délimiteur), la totalité de la valeur d'attribut doit être entre guillemets doubles.

• Chaque observation doit être conclue par un caractère de fin de ligne, qui est un caractère spécial ou une séquence de caractères indiquant la fin d'une ligne.

• Les valeurs d'attribut ne peuvent pas contenir de caractères de fin de ligne, même si la valeur de l'attribut est entourée de guillemets doubles.

• Chaque observation doit avoir le même nombre d'attributs et la même séquence d'attributs.

• Aucune observation ne doit dépasser 100 Ko. Amazon ML rejette toute observation supérieure à 100 Ko pendant le traitement. Si Amazon ML rejette plus de 10 000 observations, il rejette l'ensemble du fichier .csv.

Utilisation de plusieurs fichiers en tant que données d'entrée dans Amazon ML

Vous pouvez fournir vos données à Amazon ML sous la forme d'un fichier unique ou d'une collection de fichiers. Les collections doivent satisfaire les conditions suivantes :

• Tous les fichiers doivent avoir le même schéma de données.

• Tous les fichiers doivent se trouver dans le même préfixe Amazon Simple Storage Service (Amazon S3) et le chemin que vous fournissez pour la collection doit se terminer par une barre oblique («/»).

Par exemple, si vos fichiers de données sont nommés input1.csv, input2.csv et input3.csv, et que le nom de votre compartiment S3 est s3://examplebucket, les chemins de vos fichiers peuvent ressembler à :

s3://examplebucket/path/to/data/input1.csv

s3://examplebucket/path/to/data/input2.csv

s3://examplebucket/path/to/data/input3.csv

Vous pouvez fournir l'emplacement S3 suivant en tant qu'entrée à Amazon ML :

« s3://examplebucket/path/to/data/ »

Caractères de fin de ligne dans le format CSV

Lorsque vous créez votre fichier .csv, chaque observation est conclue par un caractère de fin de ligne spécial. Ce caractère n'est pas visible, mais il est automatiquement inclus à la fin de chaque observation lorsque vous appuyez sur votre touche Entrée ou Return. Le caractère spécial qui représente la fin de ligne varie en fonction de votre système d'exploitation. Les systèmes Unix, tels que Linux ou OS X, utilisent un caractère de saut de ligne indiqué par « \n » (code ASCII 10 en notation décimale ou 0x0a en notation hexadécimale). Microsoft Windows utilise deux caractères appelés retour chariot et saut de ligne qui sont indiqués par « \r\n » (codes ASCII 13 et 10 en notation décimale, ou 0x0d et 0x0a en notation hexadécimale).

Si vous souhaitez utiliser OS X et Microsoft Excel pour créer votre fichier .csv, effectuez la procédure suivante. Veillez à choisir le format correct.

Pour enregistrer un fichier .csv si vous utilisez OS X et Excel

1. Quand vous enregistrez le fichier .csv, choisissez Format, puis choisissez CSV (Windows) (séparateur : point-virgule) (.csv).

2. Choisissez Save (Enregistrer).

   

   Important

   N'enregistrez pas le fichier .csv à l'aide duValeurs séparées par des virgules (.csv)ouSéparé par des virgules MS-DOS (.csv)car Amazon ML n'est pas en mesure de les lire.