Non aggiorniamo più il servizio Amazon Machine Learning né accettiamo nuovi utenti. Questa documentazione è disponibile per gli utenti esistenti, ma non la aggiorneremo più. Per ulteriori informazioni, consulta la paginaCos'è Amazon Machine Learning.
Le traduzioni sono generate tramite traduzione automatica. In caso di conflitto tra il contenuto di una traduzione e la versione originale in Inglese, quest'ultima prevarrà.
Fase 3: Creare un modello ML
Dopo aver creato l'origine dati di addestramento, la si utilizza per creare un modello ML, addestrare il modello e quindi valutare i risultati. Il modello ML è una raccolta di modelli che Amazon ML individua nei dati durante l'addestramento. È possibile utilizzare il modello per creare previsioni.
Creazione di un modello ML
-
Poiché la procedura guidata per le attività iniziali crea sia un'origine dati di addestramento sia un modello, Amazon Machine Learning (Amazon ML), utilizza automaticamente l'origine dati di addestramento appena creata e fa accedere direttamente al programmaImpostazioni del modello ML(Certificato creato). Nella pagina ML model settings (Impostazioni modello ML) per ML model name (Nome modello ML), occorre verificare che sia visualizzato il modello ML predefinito
ML model: Banking Data 1.L'utilizzo di un nome descrittivo, come quello dell'impostazione predefinita, consente di identificare e gestire facilmente il modello ML.
-
Per Training and evaluation settings (Impostazioni di addestramento e valutazione), accertarsi che sia stato selezionata l'opzione Default.
-
Per Name this evaluation (Denomina questa valutazione) accettare l'impostazione predefinita
Evaluation: ML model: Banking Data 1. -
Scegliere Review (Rivedi), rivedere le impostazioni e scegliere Finish (Fine).
Dopo aver sceltoTermina, Amazon ML aggiunge il modello alla coda di elaborazione. Quando Amazon ML crea il modello, applica le impostazioni predefinite ed esegue le operazioni seguenti:
-
Divide l'origine dati per l'addestramento in due sezioni, una che contiene il 70% dei dati e l'altra che contiene il restante 30%
-
Forma il modello ML nella sezione che contiene il 70% dei dati di input
-
Valuta il modello utilizzando il restante 30% dei dati di input
Mentre il modello è in coda, Amazon ML comunica lo stato comePending (In attesa). Mentre Amazon ML crea il modello, comunica lo stato comeIn Progress (In corso). Quando tutte le operazioni sono state completate, comunica lo stato come Completed (Completato). Attendere il complemento della valutazione prima di continuare.
-
Ora è possibile esaminare le prestazioni del modello e impostare un punteggio limite.
Per ulteriori informazioni sull'addestramento e la valutazione dei modelli, vedere Addestramento dei modelli ML e evaluate an ML model.
