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。
文本分类的数据集格式和目标指标
在此部分中，我们将了解文本分类中可以使用的数据集格式，以及用于评估机器学习候选模型预测质量的指标。为候选人计算的指标是使用一系列MetricDatum类型指定的。
数据集格式
Autopilot 支持格式化为 CSV 文件或 Parquet 文件的表格数据。对于表格数据，每列都包含一个具有特定数据类型的特征，每行都包含一个观察数据。这两种文件格式的属性差异很大。
-
CSV (comma-separated-values) 是一种基于行的文件格式，它以人类可读的纯文本存储数据，这是数据交换的热门选择，因为它们受到各种应用程序的支持。
-
Parquet 是一种基于列的文件格式，相比基于行的文件格式，数据的存储和处理更高效。这使它们成为解决大数据问题的更好选择。
列接受的数据类型包括数字、分类、文本。
Autopilot 支持在高达数百 GB 的大型数据集上构建机器学习模型。有关输入数据集的默认资源限制以及如何提高这些限制的详细信息，请参阅 Amazon A SageMaker utopilot 配额。
目标指标
以下列表包含当前可用于衡量文本分类模型性能的指标名称。
Accuracy-
正确分类的项目数，相比所分类项目总数（正确和错误）的比率。准确性衡量预测类值与实际值的接近程度。准确性指标的值在零 (0) 和壹 (1) 之间变化。值为 1 表示完全准确，0 表示完全不准确。