Amazon Web Services 文档中描述的 Amazon Web Services 服务或功能可能因区域而异。要查看适用于中国区域的差异，请参阅 中国的 Amazon Web Services 服务入门 (PDF)。

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。

线性学习器响应格式

JSON 响应格式

所有 Amazon SageMaker 内置算法都遵循通用数据格式-推理中描述的通用输入推理格式。以下是 SageMaker 线性学习器算法的可用输出格式。

二元分类

let response =   {
    "predictions":    [
        {
            "score": 0.4,
            "predicted_label": 0
        } 
    ]
}

多元分类

let response =   {
    "predictions":    [
        {
            "score": [0.1, 0.2, 0.4, 0.3],
            "predicted_label": 2
        } 
    ]
}

回归

let response =   {
    "predictions":    [
        {
            "score": 0.4
        } 
    ]
}

JSONLINES 响应格式

二元分类

{"score": 0.4, "predicted_label": 0}

多元分类

{"score": [0.1, 0.2, 0.4, 0.3], "predicted_label": 2}

回归

{"score": 0.4}

RECORDIO 响应格式

二元分类

[
    Record = {
        features = {},
        label = {
            'score': {
                keys: [],
                values: [0.4]  # float32
            },
            'predicted_label': {
                keys: [],
                values: [0.0]  # float32
            }
        }
    }
]

多元分类

[
    Record = {
    "features": [],
    "label":    {
            "score":  {
                    "values":   [0.1, 0.2, 0.3, 0.4]   
            },
            "predicted_label":  {
                    "values":   [3]
            }
       },
    "uid":  "abc123",
    "metadata": "{created_at: '2017-06-03'}"
   }
]

回归

[
    Record = {
        features = {},
        label = {
            'score': {
                keys: [],
                values: [0.4]  # float32
            }   
        }
    }
]