本文属于机器翻译版本。若本译文内容与英语原文存在差异，则一律以英文原文为准。

# 在 Amazon Quick Sight 中使用机器学习见解的数据集要求
<a name="ml-data-set-requirements"></a>

要开始使用 Amazon Quick Sight 的机器学习功能，您需要连接或导入数据。您可以使用现有的 Amazon Quick Sight 数据集或创建一个新的数据集。您可以直接查询与 SQL 兼容的源，或将数据摄取到 SPICE 中。

数据必须具有以下属性：
+  至少一个指标（例如，销售额、订单数、发货单位数、注册量等）。
+  至少一个类别维度（例如，产品类别、通道、分段、行业等）。将忽略具有 NULL 值的类别。
+ 异常检测至少需要 15 个数据点才能进行训练。例如，如果您的数据粒度是每日，则需要至少 15 天的数据。如果粒度是每月，您至少需要 15 个月的数据。
+ 数据越多，预测效果越好。确保您的数据集具有足够的历史数据，以实现最佳结果。例如，如果您的数据粒度是每日，则需要至少 38 天的数据。如果粒度是每月，您至少需要 43 个月的数据。下面是每种时间粒度的要求：
  + 年：32 个数据点
  + 季度：35 个数据点
  + 月：43 个数据点
  + 周：35 个数据点
  + 日：38 个数据点
  + 小时：39 个数据点
  + 分钟：46 个数据点
  + 秒：46 个数据点
+ 如果您要分析异常或预测，则还需要至少一个日期维度。

如果您没有数据集来开始，可以下载此示例数据集：[ML Insights 示例数据集 VI](samples/ml-insights.csv.zip)。在数据集就绪后，通过该数据集创建新分析。