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。
IP 见解推理数据格式
下面是 IP 见解算法的可用输入和输出格式。Amazon SageMaker 内置算法遵循中所述的常见输入推理格式。用于推理的常见数据格式. 但是，SageMaker IP 见解算法当前不支持 RecordIO 格式。
IP 见解输入请求格式
输入：CSV 格式
CSV 文件一定具有两个列。第一列是对应于实体的唯一标识符的不透明字符串。第二列是十进制点表示法中实体访问事件的 IPv4 地址。
content-type：text/csv
entity_id_1, 192.168.1.2 entity_id_2, 10.10.1.2
输入：JSON 格式
可以使用不同格式提供 JSON 数据。IP 见解遵循常见的 SageMaker 格式。有关推理格式的详细信息，请参阅用于推理的常见数据格式.
content-type: application/json
{ "instances": [ {"data": {"features": {"values": ["entity_id_1", "192.168.1.2"]}}}, {"features": ["entity_id_2", "10.10.1.2"]} ] }
输入：JSONLINES 格式
JSON Llines 内容类型对于运行批量转换作业非常有用。有关 SageMaker 推理格式的详细信息，请参阅用于推理的常见数据格式. 有关运行批处理转换作业的详细信息，请参阅使用批量转换.
content-type: application/jsonlines
{"data": {"features": {"values": ["entity_id_1", "192.168.1.2"]}}}, {"features": ["entity_id_2", "10.10.1.2"]}]
IP 见解输出响应格式
输出: JSON 响应格式
SageMaker IP 见解算法的默认输出是dot_product在输入实体和 IP 地址之间。dot_product 表示模型考虑实体和 IP 地址的兼容性。这些区域有：dot_product是无界的。要预测某个事件是否异常，您需要根据定义的分布设置阈值。有关如何使用dot_product有关异常检测，请参阅SageMakerIP 见解算法简介
accept: application/json
{ "predictions": [ {"dot_product": 0.0}, {"dot_product": 2.0} ] }
高级用户可以通过提供额外的内容类型参数来访问模型的学习实体和 IP 嵌入verbose=True转到接受标题。您可以使用entity_embedding和ip_embedding用于调试、可视化和理解模型。此外，您可以在其他机器学习技术（例如分类或群集）中使用这些嵌入内容。
接受: applicw/json; verbose=true
{ "predictions": [ { "dot_product": 0.0, "entity_embedding": [1.0, 0.0, 0.0], "ip_embedding": [0.0, 1.0, 0.0] }, { "dot_product": 2.0, "entity_embedding": [1.0, 0.0, 1.0], "ip_embedding": [1.0, 0.0, 1.0] } ] }
输出: JSONLINES 响应格式
accept: application/jsonlines
{"dot_product": 0.0} {"dot_product": 2.0}
接受: 申请/jsonlines; verbose=true
{"dot_product": 0.0, "entity_embedding": [1.0, 0.0, 0.0], "ip_embedding": [0.0, 1.0, 0.0]} {"dot_product": 2.0, "entity_embedding": [1.0, 0.0, 1.0], "ip_embedding": [1.0, 0.0, 1.0]}