選取您的 Cookie 偏好設定

我們使用提供自身網站和服務所需的基本 Cookie 和類似工具。我們使用效能 Cookie 收集匿名統計資料,以便了解客戶如何使用我們的網站並進行改進。基本 Cookie 無法停用,但可以按一下「自訂」或「拒絕」以拒絕效能 Cookie。

如果您同意,AWS 與經核准的第三方也會使用 Cookie 提供實用的網站功能、記住您的偏好設定,並顯示相關內容,包括相關廣告。若要接受或拒絕所有非必要 Cookie,請按一下「接受」或「拒絕」。若要進行更詳細的選擇,請按一下「自訂」。

時間序列資料的端點回應

焦點模式
時間序列資料的端點回應 - Amazon SageMaker AI

本文為英文版的機器翻譯版本,如內容有任何歧義或不一致之處,概以英文版為準。

本文為英文版的機器翻譯版本,如內容有任何歧義或不一致之處,概以英文版為準。

SageMaker Clarify 處理任務會將整個承載還原序列化為 JSON。然後,它使用分析組態中提供的 JMESPath 表達式從反序列化資料中擷取預測。回應有效負載中的記錄必須與請求有效負載中的記錄符合。

下表是來自僅輸出平均預測值之端點的範例回應。分析組態中 predictor 欄位forecast中使用的 值應做為 JMESPath 表達式提供,以尋找處理任務的預測結果。 https://docs.aws.amazon.com/sagemaker/latest/dg/clarify-processing-job-configure-analysis.html#clarify-processing-job-configure-analysis-parameters

端點請求有效負載 端點回應有效負載 (字串表示) 分析組態中預測的 JMESPath 表達式

單一記錄範例。組態應該TimeSeriesModelConfig(forecast="prediction.mean")是正確擷取預測。

'{"prediction": {"mean": [1, 2, 3, 4, 5]}'

'prediction.mean'

多筆記錄。An AWS deepAR 端點回應。

'{"predictions": [{"mean": [1, 2, 3, 4, 5]}, {"mean": [1, 2, 3, 4, 5]}]}'

'predictions[*].mean'

隱私權網站條款Cookie 偏好設定
© 2025, Amazon Web Services, Inc.或其附屬公司。保留所有權利。