本文為英文版的機器翻譯版本，如內容有任何歧義或不一致之處，概以英文版為準。

# 擷取 Ground Truth 標籤並將其與預測合併
<a name="model-monitor-model-quality-merge"></a>

模型品質監控會將模型所做的預測與 Ground Truth 標籤進行比較，以測量模型的品質。為了這麼做，您可以定期標籤端點或批次轉換工作擷取的資料，並將其上傳到 Amazon S3。

為了讓 Ground Truth 標籤與擷取的預測資料相符，資料集中的每個記錄都必須有唯一識別碼。Ground Truth 資料的每個記錄結構如下：

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

在 `groundTruthData` 結構中，`eventId` 可以是以下其中一項：
+ `eventId` – 當使用者調用端點時，會自動產生此 ID。
+ `inferenceId` – 呼叫者在調用端點時會提供此 ID。

如果 `inferenceId` 存在於擷取的資料記錄中，模型監控會使用它與 Ground Truth 記錄合併擷取的資料。您有責任確保 Ground Truth 記錄中的 `inferenceId` 與擷取記錄中的 `inferenceId` 相符。如果擷取的資料中不存在 `inferenceId`，模型監控會使用擷取的資料記錄中的 `eventId` 與 Ground Truth 記錄進行比對。

您必須將 Ground Truth 資料上傳到路徑格式與擷取資料相同的 Amazon S3 儲存貯體。

**資料格式要求**  
當您將資料儲存到 Amazon S3 時，它必須使用 jsonlines 格式 (.jsonl)，並使用下列命名結構儲存。若要進一步了解 jsonline 要求，請參閱[使用輸入和輸出資料](sms-data.md)。

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

此路徑中的日期是收集 Ground Truth 標籤的日期，而不必與產生推論的日期相符。

建立並上傳 Ground Truth 標籤後，在建立監控工作時將標籤的位置納入為參數。如果您使用的是 適用於 Python (Boto3) 的 AWS SDK，請指定 Ground Truth 標籤的位置做為呼叫 `create_model_quality_job_definition`方法的 `GroundTruthS3Input` 參數`S3Uri`欄位來執行此操作。如果您使用的是 SageMaker Python SDK，在呼叫 `ModelQualityMonitor` 物件的 `create_monitoring_schedule` 時，指定 Ground Truth 標籤的位置為 `ground_truth_input` 參數。