Le traduzioni sono generate tramite traduzione automatica. In caso di conflitto tra il contenuto di una traduzione e la versione originale in Inglese, quest'ultima prevarrà.

# Importazione delle etichette Ground Truth e unione con le previsioni
<a name="model-monitor-model-quality-merge"></a>

Il monitoraggio della qualità del modello confronta le previsioni fatte dal modello con le etichette Ground Truth per misurare la qualità del modello. Affinché tutto funzioni correttamente, etichetta periodicamente i dati acquisiti dall'endpoint o dal processo di trasformazione di batch e caricali su Amazon S3.

Per abbinare le etichette Ground Truth ai dati di previsione acquisiti, deve esserci un identificatore univoco per ogni record nel set di dati. La struttura di ogni record dei dati Ground Truth è la seguente:

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

Nella struttura di `groundTruthData`, `eventId` può essere:
+ `eventId`: questo ID viene generato automaticamente quando un utente richiama l'endpoint.
+ `inferenceId`: il chiamante fornisce questo ID quando richiama l'endpoint.

Se `inferenceId` è presente nei record di dati acquisiti, Model Monitor lo utilizza per unire i dati acquisiti con i record Ground Truth. È tua responsabilità assicurarti che `inferenceId` nei record Ground Truth corrispondano a `inferenceId` nei record acquisiti. Se `inferenceId` non è presente nei dati acquisiti, il monitoraggio del modello utilizza `eventId` dai record dei dati acquisiti per abbinarli a un record Ground Truth.

È necessario caricare i dati Ground Truth in un bucket Amazon S3 con lo stesso formato di percorso dei dati acquisiti. 

**Requisiti per il formato dei dati**  
Quando salvi i tuoi dati in Amazon S3, questi devono utilizzare il formato jsonlines (.jsonl) ed essere salvati utilizzando la seguente struttura di denominazione. Per ulteriori informazioni sui requisiti jsonline, consulta [Utilizzare dati di input e output](sms-data.md). 

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

La data in questo percorso è la data in cui viene raccolta l'etichetta Ground Truth e non deve necessariamente corrispondere alla data in cui è stata generata l'inferenza.

Dopo aver creato e caricato le etichette Ground Truth, includi la posizione delle etichette come parametro, quando crei il processo di monitoraggio. Se lo stai utilizzando AWS SDK per Python (Boto3), esegui questa operazione specificando la posizione delle etichette Ground Truth come `S3Uri` campo del `GroundTruthS3Input` parametro in una chiamata al `create_model_quality_job_definition` metodo. Se state usando SageMaker Python SDK, specificate la posizione delle etichette Ground Truth come `ground_truth_input` parametro nella chiamata all'oggetto`create_monitoring_schedule`. `ModelQualityMonitor`