Wir aktualisieren den Amazon Machine Learning Learning-Service nicht mehr und akzeptieren keine neuen Benutzer mehr dafür. Diese Dokumentation ist für bestehende Benutzer verfügbar, wir aktualisieren sie jedoch nicht mehr. Weitere Informationen finden Sie unterWas Amazon Machine Learning.
Die vorliegende Übersetzung wurde maschinell erstellt. Im Falle eines Konflikts oder eines Widerspruchs zwischen dieser übersetzten Fassung und der englischen Fassung (einschließlich infolge von Verzögerungen bei der Übersetzung) ist die englische Fassung maßgeblich.
Schulung von ML-Modellen
Für die Schulung eines ML-Modells muss ein ML-Algorithmus (der Lernalgorithmus) mit Schulungsdaten bereitgestellt werden. Der Begriff ML-Modell bezeichnet das Modell-Artefakt, das durch den Schulungsprozess erstellt wird.
Die Schulungsdaten müssen die richtige Antwort enthalten, die als Zeil oder Zielattribut bezeichnet wird. Der Lernalgorithmus findet Muster in den Schulungsdaten, die die Attribute der Input-Daten dem Ziel (die Antwort, die Sie voraussagen möchten) zuordnen, und gibt ein ML-Modell aus, in dem diese Muster erfasst sind.
Sie können das ML-Modell verwenden, um Voraussagen für neue Daten zu erhalten, bei denen Sie das Ziel nicht kennen. Nehmen wir beispielsweise an, dass Sie ein ML-Modell schulen möchten, damit es voraussagt, ob eine E-Mail Spam ist oder nicht. Sie stellen Amazon ML Schulungsdaten bereit, die E-Mails enthalten, bei denen Sie das Ziel kennen (eine Kennzeichnung, die angibt, ob eine E-Mail Spam ist oder nicht). Amazon ML schult ein ML-Modell anhand dieser Daten. Das Ergebnis ist dann ein Modell, das versucht, vorauszusagen, ob neue E-Mails Spam sind oder nicht.
Allgemeine Informationen über ML-Modelle und ML-Algorithmen finden Sie unter Machine Learning-Konzepte.
