数据集

导入数据要求

• 建议训练数据和测试数据分成两个实例，方便算法查找训练或测试数据的位置。
• 训练数据可以是带标签或者不带标签的数据，测试数据一定是带标签的数据，方便评估模型执行效果。

查看学件项目预置的样例数据

1. 等待学件项目创建完成后，在模型训练服务首页的项目列表中，找到创建完成的学件项目。单击项目所在行的图标。
   进入项目编辑界面。

   图1 学件项目
   

2. 在菜单栏中，单击“数据集”，进入“数据集”界面。

   查看学件项目中预置的两类样例数据UnlabeledData和AbnormalDetectionData。使用每类样例数据体验学件能力，会对应到不同的算法，训练生成不同的模型。

新建数据集和导入数据

1. 在数据集菜单页面，单击界面左上角的图标。
   弹出“导入数据”对话框，如图2所示。

   图2 导入数据
   
   配置“导入数据”对话框参数，具体参见表1。

   表1 导入数据参数说明

   参数名称	参数说明
   数据集	输入自定义名称。 单击“创建”后，会自动创建此数据集。
   数据类别	导入数据的类别。
   实例名称	本次导入数据的名称。
   实例别名	本次导入数据的别名。
   数据来源	数据上传的途径。 包含如下方式： 本地上传：从用户本地上传数据。 样例数据：模型训练服务环境中预置的用户体验数据。包括鸢尾花原始测试集、鸢尾花训练集、鸢尾花测试集、KPI 15分钟数据集、KPI 60分钟数据集、KPI异常检测数据集。 其中鸢尾花原始测试集、KPI 15分钟数据集和KPI 60分钟数据集中包括空值，用户可以通过特征工程进行数据修复，剔除空值。
   本地上传-文件大小限制为60M，文本支持csv和txt	数据来源选择“本地上传”时可见，表示数据文件所在的用户本地路径。 为避免后续处理数据时出错，请按要求上传csv和txt格式的数据文件。
   样例数据-请选择数据集	数据来源选择“样例数据”时可见。 系统默认给出六个数据实例： iris_raw：鸢尾花原始测试集 iris_training：鸢尾花训练集 iris_test：鸢尾花测试集 KPI_15mins：KPI 15分钟数据集 KPI_60mins：KPI 60分钟数据集 TPC-iSPS11_60：KPI异常检测数据集 amazon：迁移学习Office-31 A(Amazon)数据集 dslr：迁移学习Office-31 D(DSLR)数据集 webcam：迁移学习Office-31 W(Webcam)数据集 caltech：迁移学习Caltech-256数据集 其中，iris_raw、KPI_15mins、KPI_60mins数据集中包含空值。用户可以通过特征工程进行数据修复，剔除空值。
   分隔符	用户根据导入数据文件的格式进行选择，用于系统识别数据字段。 当前支持“,”、“；”和“|”三种分隔符。
   文件编码	数据文件的编码格式。 当前支持UTF-8、GBK和GB2312三种格式。
   标题行	数据是否包含标题行，用户根据导入数据文件的格式进行选择。 包含如下选项： 有标题行 无标题行

2. 单击“创建”，导入数据文件。

   如果导入数据所在的“状态”列显示“导入成功”，说明数据导入成功。

3. (可选)分析数据。
   1. 单击数据实例所在行对应“操作”列的图标，进入数据详情界面。
   2. 单击数据文件所在行对应“操作”列的“元数据”，进入数据分析界面。
   3. 根据实际情况，从下拉框中选择AI引擎和对应的规格（数据量小时没有此选项），单击“数据分析”。

      分析完成后展示该数据实例的详细信息，包括：字段名称、字段类型、数据分布、有效值、空值、异常值、最大值、最小值、均值、方差、分位数等。