Die vorliegende Übersetzung wurde maschinell erstellt. Im Falle eines Konflikts oder eines Widerspruchs zwischen dieser übersetzten Fassung und der englischen Fassung (einschließlich infolge von Verzögerungen bei der Übersetzung) ist die englische Fassung maßgeblich.

# Erfassen von Ground-Truth-Labels und Zusammenführen mit Vorhersagen
<a name="model-monitor-model-quality-merge"></a>

Bei der Überwachung der Modellqualität werden die Vorhersagen Ihres Modells mit Ground-Truth-Bezeichnungen verglichen, um die Qualität des Modells zu messen. Damit dies funktioniert, kennzeichnen Sie regelmäßig Daten, die von Ihrem Endpunkt- oder Batch-Transformationsauftrag erfasst wurden, und laden sie auf Amazon S3 hoch.

Um Ground-Truth-Bezeichnungen mit erfassten Vorhersagedaten abzugleichen, muss für jeden Datensatz im Datensatz eine eindeutige Kennung vorhanden sein. Die Struktur jedes Datensatzes für Ground-Truth-Daten ist wie folgt:

```
{
  "groundTruthData": {
    "data": "1",
    "encoding": "CSV"
  },
  "eventMetadata": {
    "eventId": "aaaa-bbbb-cccc"
  },
  "eventVersion": "0"
}
```

In der `groundTruthData` Struktur `eventId` kann es sich um eine der folgenden Optionen handeln:
+ `eventId` – Diese ID wird automatisch generiert, wenn ein Benutzer den Endpunkt aufruft.
+ `inferenceId` – Der Anrufer gibt diese ID an, wenn er den Endpunkt aufruft.

Wenn in erfassten Datensätzen vorhanden `inferenceId` ist, verwendet Model Monitor es, um die erfassten Daten mit Ground-Truth-Datensätzen zusammenzuführen. Sie sind dafür verantwortlich, sicherzustellen, dass die `inferenceId` in den Ground-Truth-Aufzeichnungen enthaltenen `inferenceId` Aufzeichnungen mit den erfassten Aufzeichnungen übereinstimmen. Wenn `inferenceId` es in den erfassten Daten nicht vorhanden ist, verwendet `eventId` Model Monitor die erfassten Datensätze, um sie mit einem Ground-Truth-Datensatz abzugleichen.

Sie müssen Ground-Truth-Daten in einen Amazon-S3-Bucket hochladen, der dasselbe Pfadformat wie die erfassten Daten hat. 

**Datenformatanforderungen**  
Wenn Sie Ihre Daten in Amazon S3 speichern, müssen sie das Format jsonlines (.jsonl) verwenden und mit der folgenden Benennungsstruktur gespeichert werden. Weitere Informationen zu jsonline-Anforderungen finden Sie unter [Verwenden von Eingabe- und Ausgabedaten](sms-data.md). 

```
s3://amzn-s3-demo-bucket1/prefix/yyyy/mm/dd/hh
```

Das Datum in diesem Pfad ist das Datum, an dem das Ground-Truth-Etikett erfasst wurde, und muss nicht mit dem Datum übereinstimmen, an dem die Inferenz generiert wurde.

Nachdem Sie die Ground-Truth-Beschriftungen erstellt und hochgeladen haben, geben Sie bei der Erstellung des Monitoring-Auftrages die Position der Beschriftungen als Parameter an. Wenn Sie verwenden AWS SDK für Python (Boto3), tun Sie dies, indem Sie die Position der Ground-Truth-Beschriftungen als `S3Uri` Feld des `GroundTruthS3Input` Parameters in einem Aufruf der `create_model_quality_job_definition` Methode angeben. Wenn Sie das SageMaker Python-SDK verwenden, geben Sie die Position der Ground-Truth-Beschriftungen als `ground_truth_input` Parameter beim Aufruf `create_monitoring_schedule` des `ModelQualityMonitor` Objekts an.