Kami tidak lagi memperbarui layanan Amazon Machine Learning atau menerima pengguna baru untuk itu. Dokumentasi ini tersedia untuk pengguna yang sudah ada, tetapi kami tidak lagi memperbaruinya. Untuk informasi selengkapnya, lihatApa itu Amazon Machine Learning.
Terjemahan disediakan oleh mesin penerjemah. Jika konten terjemahan yang diberikan bertentangan dengan versi bahasa Inggris aslinya, utamakan versi bahasa Inggris.
Langkah 3: Membuat Model ML-nya
Setelah membuat sumber data pelatihan, Anda menggunakannya untuk membuat model ML-nya, melatih model, dan kemudian mengevaluasi hasilnya. Model MLnya adalah kumpulan pola yang ditemukan Amazon ML-nya dalam data Anda selama latihan. Anda menggunakan model untuk membuat prediksi.
Untuk membuat model ML-nya
-
Karena wizard Memulai membuat sumber data pelatihan dan model, Amazon Machine Learning (Amazon ML) secara otomatis menggunakan sumber data pelatihan yang baru saja Anda buat, dan membawa Anda langsung kePengaturan model Lhalaman. PadaPengaturan model Llaman, untukNama model L, pastikan bahwa default,
ML model: Banking Data 1, ditampilkan.Menggunakan nama ramah, seperti default, membantu Anda dengan mudah mengidentifikasi dan mengelola model ML-nya.
-
UntukPengaturan pelatihan dan evaluasi, memastikan bahwaDefaultdipilih.
-
UntukBeri nama evaluasi ini, terima default,
Evaluation: ML model: Banking Data 1. -
PilihTinjauan, tinjau pengaturan Anda, dan kemudian pilihSelesai.
Setelah Anda memilihSelesai, Amazon ML-menambahkan model Anda ke antrian pemrosesan. Saat Amazon IL membuat model Anda, model tersebut akan menerapkan default dan melakukan tindakan berikut:
-
Membagipelatihan datasource menjadi dua bagian, satu berisi 70% dari data dan satu berisi sisa 30%
-
Melatih model ML pada bagian yang berisi 70% dari data input
-
Mengevaluasi model menggunakan sisa 30% dari data input
Saat model Anda berada dalam antrian, Amazon ML-melaporkan statusnya sebagaiTertunda. Sementara Amazon ML-membuat model Anda, itu melaporkan status sebagaiDalam Progres. Ketika telah menyelesaikan semua tindakan, ia melaporkan status sebagaiCompleted (Lengkap). Tunggu evaluasi selesai sebelum melanjutkan.
-
Sekarang Anda siap untukmeninjau kinerja model Anda dan menetapkan skor cut-off.
Untuk informasi selengkapnya tentang model pelatihan dan evaluasi, lihatModel ML-Pelatihandanevaluate an ML model.
