问题描述
我正在基于GCP的自然语言AutoML实体提取服务构建训练数据集。我的文档中有一部分带有标签，我想将其导出以进行一些初步的探索性数据分析。我可以添加一个过滤器来显示“标签化”的文档，但是如果我尝试导出，它将导出我所有的文档。
有什么方法可以只导出那些符合过滤条件的内容？通过Python API也可以。
解决方法
实际上，AutoML控制台中的“导出数据”链接将始终导出完整的数据集。没有仅导出所选项目的选项，但是有一个“删除所选项目”的选项。 为了完成您的任务，我建议一种解决方法是删除“不需要的”项目。让我解释一下。
我建议您执行以下步骤。
- 导出完整的数据集（因此您不会从生产数据集中删除任何内容）。
- 通过从步骤1导入完整的数据集，在AutoML项目中创建一个新数据集。
- 过滤未标记的文档。
- 全选并删除（通过执行此操作，您将删除副本数据集中的未标记数据）。
这样，您的新数据集将仅包含带标签的文档，您可以执行导出数据并将结果集用于EDA。
最诚挚的问候！