As traduções são geradas por tradução automática. Em caso de conflito entre o conteúdo da tradução e da versão original em inglês, a versão em inglês prevalecerá.

# Requisitos do conjunto de dados de predição em lote
<a name="canvas-make-predictions-batch-preqreqs"></a>

Para predições em lote, certifique-se de que seus conjuntos de dados atendam aos requisitos descritos em [Criar um conjunto de dados](canvas-import-dataset.md). Se seu conjunto de dados for maior que 5 GB, o Canvas usa o Amazon EMR Sem Servidor para processar seus dados e dividi-los em lotes menores. Depois que seus dados forem divididos, o Canvas usa o SageMaker AI Batch Transform para fazer previsões. Você pode ver cobranças desses dois serviços depois de executar predições em lote. Para mais informações, consulte [Preços do Canvas](https://aws.amazon.com/sagemaker/canvas/pricing/).

Talvez você não consiga fazer predições em alguns conjuntos de dados porque eles têm *esquemas* incompatíveis. Um *esquema* é uma estrutura organizacional. Para um conjunto de dados tabulares, o esquema envolve os nomes das colunas e o tipo de dados dos dados nas colunas. Um esquema incompatível pode ocorrer por um dos seguintes motivos:
+ O conjunto de dados que você está usando para fazer predições tem menos colunas do que o conjunto de dados que você está usando para criar o modelo.
+ Os tipos de dados nas colunas que você usou para criar o conjunto de dados podem ser diferentes dos tipos de dados no conjunto de dados que você está usando para fazer predições.
+ O conjunto de dados que você está usando para fazer predições e o conjunto de dados que você usou para compilar o modelo têm nomes de colunas que não coincidem. Os nomes das colunas diferenciam letras maiúsculas. `Column1` não é o mesmo que `column1`.

Para garantir que você possa gerar predições em lote com êxito, combine o esquema do seu conjunto de dados de predições em lote com o conjunto de dados que você usou para treinar o modelo.

**nota**  
Para predições em lote, se você eliminou alguma coluna ao ao compilar seu modelo, o Canvas adiciona as colunas eliminadas de volta aos resultados da predição. No entanto, o Canvas não adicionará as colunas eliminadas às suas predições em lote para modelos de séries temporais.