Terjemahan disediakan oleh mesin penerjemah. Jika konten terjemahan yang diberikan bertentangan dengan versi bahasa Inggris aslinya, utamakan versi bahasa Inggris.

# Format Data Inferensi Wawasan IP
<a name="ip-insights-inference-data-formats"></a>

Berikut ini adalah format input dan output yang tersedia untuk algoritma IP Insights. Algoritma bawaan Amazon SageMaker AI mematuhi format inferensi input umum yang dijelaskan dalam. [Format data umum untuk inferensi](cdf-inference.md) Namun, algoritma SageMaker AI IP Insights saat ini tidak mendukung format RecorDio.

## Format Permintaan Input Wawasan IP
<a name="ip-insights-input-format-requests"></a>

### MASUKAN: Format CSV
<a name="ip-insights-input-csv-format"></a>

File CSV harus memiliki dua kolom. Kolom pertama adalah string buram yang sesuai dengan pengidentifikasi unik entitas. Kolom kedua adalah IPv4 alamat peristiwa akses entitas dalam notasi desimal titik. 

tipe konten: teks/csv

```
entity_id_1, 192.168.1.2
entity_id_2, 10.10.1.2
```

### MASUKAN: Format JSON
<a name="ip-insights-input-json"></a>

Data JSON dapat disediakan dalam berbagai format. IP Insights mengikuti format SageMaker AI yang umum. Untuk informasi selengkapnya tentang format inferensi, lihat[Format data umum untuk inferensi](cdf-inference.md).

tipe konten: aplikasi/json

```
{
  "instances": [
    {"data": {"features": {"values": ["entity_id_1", "192.168.1.2"]}}},
    {"features": ["entity_id_2", "10.10.1.2"]}
  ]
}
```

### MASUKAN: Format JSONLINES
<a name="ip-insights-input-jsonlines"></a>

Jenis konten JSON Lines berguna untuk menjalankan pekerjaan transformasi batch. Untuk informasi lebih lanjut tentang format inferensi SageMaker AI, lihat[Format data umum untuk inferensi](cdf-inference.md). Untuk informasi selengkapnya tentang menjalankan pekerjaan transformasi batch, lihat[Transformasi Batch untuk inferensi dengan Amazon AI SageMaker](batch-transform.md).

tipe konten: aplikasi/jsonlines

```
{"data": {"features": {"values": ["entity_id_1", "192.168.1.2"]}}},
{"features": ["entity_id_2", "10.10.1.2"]}]
```

## Format Respons Output Wawasan IP
<a name="ip-insights-ouput-format-response"></a>

### KELUARAN: Format Respons JSON
<a name="ip-insights-output-json"></a>

Output default dari algoritma SageMaker AI IP Insights adalah `dot_product` antara entitas input dan alamat IP. Dot\$1product menandakan seberapa kompatibel model mempertimbangkan entitas dan alamat IP. `dot_product`Itu tidak terbatas. Untuk membuat prediksi tentang apakah suatu peristiwa anomali, Anda perlu menetapkan ambang batas berdasarkan distribusi yang Anda tentukan. Untuk informasi tentang cara menggunakan deteksi anomali `dot_product` untuk, lihat [Pengantar Algoritma Wawasan SageMaker AIIP](https://sagemaker-examples.readthedocs.io/en/latest/introduction_to_amazon_algorithms/ipinsights_login/ipinsights-tutorial.html).

terima: aplikasi/json

```
{
  "predictions": [
    {"dot_product": 0.0},
    {"dot_product": 2.0}
  ]
}
```

Pengguna tingkat lanjut dapat mengakses entitas yang dipelajari model dan penyematan IP dengan menyediakan parameter `verbose=True` tipe konten tambahan ke judul Terima. Anda dapat menggunakan `entity_embedding` dan `ip_embedding` untuk men-debug, memvisualisasikan, dan memahami model. Selain itu, Anda dapat menggunakan embeddings ini dalam teknik pembelajaran mesin lainnya, seperti klasifikasi atau pengelompokan.

terima: aplikasi/json; verbose = true

```
{
  "predictions": [
    {
        "dot_product": 0.0,
        "entity_embedding": [1.0, 0.0, 0.0],
        "ip_embedding": [0.0, 1.0, 0.0]
    },
    {
        "dot_product": 2.0,
        "entity_embedding": [1.0, 0.0, 1.0],
        "ip_embedding": [1.0, 0.0, 1.0]
    }
  ]
}
```

### KELUARAN: Format Respons JSONLINES
<a name="ip-insights-jsonlines"></a>

menerima: application/jsonlines 

```
{"dot_product": 0.0}
{"dot_product": 2.0}
```

terima: aplikasi/jsonlines; verbose = true 

```
{"dot_product": 0.0, "entity_embedding": [1.0, 0.0, 0.0], "ip_embedding": [0.0, 1.0, 0.0]}
{"dot_product": 2.0, "entity_embedding": [1.0, 0.0, 1.0], "ip_embedding": [1.0, 0.0, 1.0]}
```