# 使用数据工程构建预测大模型数据集
#### 预测大模型支持接入的数据集类型
盘古预测大模型仅支持接入预测类数据集，不同模型所需数据见[表1]，该数据集格式要求请参见[预测类数据集格式要求](https://support.huaweicloud.com/usermanual-pangulm/pangulm_04_0490.html)。
 表1预测大模型与数据集类型对应关系 
| 基模型                                              | 模型分类           | 数据集类型                                        | 文件格式 |
|:---|:---|:---|:---|
| 预测大模型  | 统一编码时序预测分类大模型  | 时序分类                                         | csv  |
| 预测大模型  | 统一编码时序预测回归大模型  | 时序回归                                         | csv  |
| 预测大模型  | 统一编码表格预测分类大模型  | 结构化分类                                        | csv  |
| 预测大模型  | 统一编码表格预测回归大模型  | 结构化回归                                        | csv  |
| 预测大模型  | 时序异常检测大模型      | 时序回归                                         | csv  |
| 预测大模型  | 融合推荐分类大模型      | 结构化分类                                        | csv  |
| 预测大模型  | 融合推荐分类大模型-极简模式 | 结构化分类                                        | csv  |
| 预测大模型  | 融合推荐回归大模型      | 结构化回归                                        | csv  |
| 预测大模型  | 融合推荐回归大模型-极简模式 | 结构化回归                                        | csv  |
| 预测大模型  | 融合推荐异常检测大模型    | 结构化分类                                        | csv  |
| 预测大模型  | 结构化数据预测        | 结构化回归 结构化分类 | csv  |
| 预测大模型  | 高速交通流量预测模型     | 结构化回归                                        | csv  |
| 预测大模型  | 供应链需求预测模型      | 时序回归                                         | csv  |
| 预测大模型  | 供热行业模型         | 结构化回归                                        | csv  |
| 预测大模型  | 表格直推预测模型       | 结构化回归                                        | csv  |
   
在控制台选择"数据工程 \> 数据获取 \> 导入任务"，选择预测数据类型，导入对应数据，如[图1]
图1创建数据集   
![](https://support.huaweicloud.com/usermanual-pangulm/zh-cn_image_0000002571207310.png)
#### 训练预测大模型所需数据量
训练预测大模型时，所需的数据通常为**表格格式**，即由行和列组成的扁平化数据。具体要求如下：
- **行**：每行代表一个样本。每行与其他行具有相同的列，并且顺序相同，这些行通常按照某种特定顺序排列。
- **列**：每列表示一种特征。每列的数据类型应保持一致，不同列可以具有不同的数据类型。
- **顺序**：表格中的行通常按照特定顺序排列。

- **行数**：数据表的行数应大于5000行。
- **维度**：数据的维度（列数）应大于10维。
- **数据完整性**：必须确保数据中没有缺失值。
 
#### 构建预测大模型数据集流程
在ModelArts Studio大模型开发平台中，使用数据工程构建盘古预测大模型数据集流程见[表2]。
 表2盘古预测大模型数据集构建流程 
| 流程        | 子流程      | 说明                                      | 操作指导                                                                                 |
|:---|:---|:---|:---|
| 导入数据至盘古平台 | 创建导入任务   | 将存储在OBS服务中的数据导入至平台统一管理，用于后续加工或发布操作。     | [导入数据至盘古平台](https://support.huaweicloud.com/usermanual-pangulm/pangulm_04_0025.html) |
| 发布预测类数据集  | 发布预测类数据集 | 数据发布是将单个数据集发布为特定格式的"发布数据集"，用于后续模型训练等操作。 | [发布预测类数据集](https://support.huaweicloud.com/usermanual-pangulm/pangulm_04_0066.html)  |