Les traductions sont fournies par des outils de traduction automatique. En cas de conflit entre le contenu d'une traduction et celui de la version originale en anglais, la version anglaise prévaudra.

# Formats de réponse d'apprentissage linéaire
<a name="LL-in-formats"></a>

## Formats de réponse JSON
<a name="LL-json"></a>

Tous les algorithmes intégrés d'Amazon SageMaker AI respectent le format d'inférence d'entrée commun décrit dans [Common Data Formats - Inference](https://docs.aws.amazon.com/sagemaker/latest/dg/cdf-inference.html). Les formats de sortie disponibles pour l'algorithme d'apprentissage linéaire SageMaker AI sont les suivants.

**Classification binaire**

```
let response =   {
    "predictions":    [
        {
            "score": 0.4,
            "predicted_label": 0
        } 
    ]
}
```

**Classification multiclasse**

```
let response =   {
    "predictions":    [
        {
            "score": [0.1, 0.2, 0.4, 0.3],
            "predicted_label": 2
        } 
    ]
}
```

**Régression**

```
let response =   {
    "predictions":    [
        {
            "score": 0.4
        } 
    ]
}
```

## Formats de réponse JSONLINES
<a name="LL-jsonlines"></a>

**Classification binaire**

```
{"score": 0.4, "predicted_label": 0}
```

**Classification multiclasse**

```
{"score": [0.1, 0.2, 0.4, 0.3], "predicted_label": 2}
```

**Régression**

```
{"score": 0.4}
```

## Formats de réponse RECORDIO
<a name="LL-recordio"></a>

**Classification binaire**

```
[
    Record = {
        features = {},
        label = {
            'score': {
                keys: [],
                values: [0.4]  # float32
            },
            'predicted_label': {
                keys: [],
                values: [0.0]  # float32
            }
        }
    }
]
```

**Classification multiclasse**

```
[
    Record = {
    "features": [],
    "label":    {
            "score":  {
                    "values":   [0.1, 0.2, 0.3, 0.4]   
            },
            "predicted_label":  {
                    "values":   [3]
            }
       },
    "uid":  "abc123",
    "metadata": "{created_at: '2017-06-03'}"
   }
]
```

**Régression**

```
[
    Record = {
        features = {},
        label = {
            'score': {
                keys: [],
                values: [0.4]  # float32
            }   
        }
    }
]
```