数据集简介

基本概念

数据集模块主要为模型训练服务提供统一的数据管理能力，数据集可以提供给特征工程，做特征处理和提取关键特征；也可以直接加入模型训练。数据集相关的两个基本概念：

• 数据集：某业务下具有相同数据格式数据的逻辑集合。
• 数据：数据集实例，有具体的特征和样本数据。

数据集以文件夹的形式管理数据，一个数据集中可以包含多份数据，从而对数据进行高效简洁的管理。用户可以根据数据的业务特点建立数据集，例如在大型DC PUE Case中，可以创建空调、冷站等数据集，再分别创建相应的数据。

数据来源

数据集实例来源有五种：

• 本地上传
• 导入样例数据
• 导入数据集服务订阅的数据
• 数据经过特征处理并应用特征操作流后，系统自动生成的数据
• 数据连接或数据合并后，系统自动生成的目标数据

操作说明

导入数据的方式包括本地上传、导入样例数据、订阅数据目录数据三种。经特征处理、数据连接或数据联合后生成的数据，为系统自动生成的数据，不支持用户手动导入。

“数据集”在创建数据集、导入数据后，还支持对数据进行分析。用户可以根据数据结果对数据质量进行评估，判断数据集是否可以直接进行模型训练，或必须经过特征处理后才能加入模型训练。“数据集”还支持将多份数据进行“数据联合”或“数据连接”的操作，用于增强样本或扩展特征维度。数据集相关操作请参见数据集操作。

数据集页面

“数据集”页面包含了左侧数据目录区域和右侧数据集详情区域。在左侧区域中，可以新建数据集、导入数据集的数据集实例、删除数据。在右侧区域，可以通过列表的形式查看数据详情、对数据执行特征工程、基于数据新建特征工程、跳转模型训练界面、删除数据。“数据集”页面详情请参见图1，“数据集”页面操作信息，请参见表1。

图1 数据集页面

DatasetService数据集

DatasetService数据集是模型训练服务预置的数据集，专门存放从数据集服务订阅的数据集。

操作方法如下所示：

• 如果界面左侧目录不展示DatasetService，说明当前用户还没有从数据集服务订阅过数据。单击界面左上角的图标，界面左侧自动生成DatasetService数据集目录。
• 如果界面左侧目录已展示DatasetService，则单击界面左侧的DatasetService，界面右侧展示数据集详情界面。单击界面右上角的“数据订阅”，自动打开数据集服务，并进入服务首页，请根据实际情况订阅需要的数据集。再回模型模型训练服务DatasetService数据集详情界面，单击界面右上角的“数据同步”，将数据集服务订阅的数据全量导入至模型训练服务，如图2所示。

图2 DatasetService数据集