create-data-source-from-rds

Описывает DatabaseName и InstanceIdentifier базы данных Amazon RDS.

InstanceIdentifier -> (строка)

DatabaseName -> (строка)

Данные доступа AWS Identity and Access Management (IAM) для подключения к базе данных Amazon RDS.

Username -> (строка)

Password -> (строка)

Строка JSON, представляющая обработку разделения и переупорядочения для DataSource. Если параметр DataRearrangement не указан, все входные данные используются для создания Datasource.

Существует несколько параметров, которые контролируют, какие данные используются для создания источника данных:

• **percentBegin ** Используйте percentBegin для указания начала диапазона данных, используемых для создания источника данных. Если не указать percentBegin и percentEnd, Amazon ML использует все данные при создании источника данных.
• **percentEnd ** Используйте percentEnd для указания конца диапазона данных, используемых для создания источника данных. Если не указать percentBegin и percentEnd, Amazon ML использует все данные при создании источника данных.
• **complement ** Параметр complement инструктирует Amazon ML использовать данные, которые не включены в диапазон от percentBegin до percentEnd для создания источника данных. Параметр complement полезен, если нужно создать дополнительные источники данных для обучения и проверки. Для создания дополнительных источников данных используйте одинаковые значения для percentBegin и percentEnd, а также параметр complement. Например, следующие два источника данных не содержат общих данных и могут быть использованы для обучения и проверки модели. Первый источник данных содержит 25 процентов данных, а второй – 75 процентов. Источник данных для проверки: {"splitting":{"percentBegin":0, "percentEnd":25}} Источник данных для обучения: {"splitting":{"percentBegin":0, "percentEnd":25, "complement":"true"}}
• **strategy ** Для изменения способа, которым Amazon ML разделяет данные для источника данных, используйте параметр strategy. Значение по умолчанию для параметра strategy – sequential, что означает, что Amazon ML берет все записи данных между параметрами percentBegin и percentEnd для источника данных в порядке их появления во входных данных. Следующие две строки DataRearrangement – примеры последовательно упорядоченных источников данных для обучения и проверки: Источник данных для проверки: {"splitting":{"percentBegin":70, "percentEnd":100, "strategy":"sequential"}} Источник данных для обучения: {"splitting":{"percentBegin":70, "percentEnd":100, "strategy":"sequential", "complement":"true"}} Для случайного разделения входных данных в пропорциях, указанных параметрами percentBegin и percentEnd, установите параметр strategy в значение random и предоставьте строку, используемую в качестве значения начального состояния для случайного разделения данных (например, вы можете использовать путь к данным в S3 в качестве строки начального состояния). Если выбран случайный способ разделения, Amazon ML присваивает каждой строке данных псевдослучайное число от 0 до 100 и затем выбирает строки, у которых присвоенное число находится в диапазоне от percentBegin до percentEnd. Псевдослучайные числа присваиваются с использованием значения входной строки начального состояния и смещения байтов в качестве начального состояния, поэтому изменение данных приводит к другому разделению. Любой существующий порядок сохраняется. Случайный способ разделения гарантирует, что переменные в данных обучения и проверки распределены аналогично. Это полезно в тех случаях, когда входные данные могут иметь неявный порядок сортировки, что в противном случае приведет к источникам данных обучения и проверки, содержащим несовпадающие записи данных. Следующие две строки DataRearrangement – примеры источников данных для обучения и проверки, не упорядоченных последовательно: Источник данных для проверки: {"splitting":{"percentBegin":70, "percentEnd":100, "strategy":"random", "randomSeed"="s3://my_s3_path/bucket/file.csv"}} Источник данных для обучения: {"splitting":{"percentBegin":70, "percentEnd":100, "strategy":"random", "randomSeed"="s3://my_s3_path/bucket/file.csv", "complement":"true"}}

Строка JSON, представляющая схему для Amazon RDS DataSource. Схема определяет структуру данных наблюдения в файле(ах) данных, на которые ссылается DataSource.

Схема не требуется, если указана DataSchemaUri.

Определите схему в виде набора пар «ключ-значение». attributes и excludedVariableNames имеют массив пар «ключ-значение» в качестве значения. Используйте следующий формат для определения схемы:

{ “version”: “1.0”,

“recordAnnotationFieldName”: “F1”,

“recordWeightFieldName”: “F2”,

“targetFieldName”: “F3”,

“dataFormat”: “CSV”,

“dataFileContainsHeader”: true,

“attributes”: [

{ “fieldName”: “F1”, “fieldType”: “TEXT” }, { “fieldName”: “F2”, “fieldType”: “NUMERIC” }, { “fieldName”: “F3”, “fieldType”: “CATEGORICAL” }, { “fieldName”: “F4”, “fieldType”: “NUMERIC” }, { “fieldName”: “F5”, “fieldType”: “CATEGORICAL” }, { “fieldName”: “F6”, “fieldType”: “TEXT” }, { “fieldName”: “F7”, “fieldType”: “WEIGHTED_INT_SEQUENCE” }, { “fieldName”: “F8”, “fieldType”: “WEIGHTED_STRING_SEQUENCE” } ],

“excludedVariableNames”: [ “F6” ] }

Идентификаторы групп безопасности, используемые для доступа к экземпляру базы данных RDS в VPC. Убедитесь, что настроены соответствующие правила входящего трафика для разрешения доступа к экземпляру базы данных RDS. Этот атрибут используется конвейером данных для выполнения операции копирования из Amazon RDS в Amazon S3.

(строка)