翻訳は機械翻訳により提供されています。提供された翻訳内容と英語版の間で齟齬、不一致または矛盾がある場合、英語版が優先します。
トレーニングデータをダウンロード、準備、アップロードする
この例では、銀行の顧客に関する情報のトレーニングデータセットを使用します。これには、顧客の仕事、配偶者の有無、および銀行のダイレクトマーケティングキャンペーン中の連絡方法が含まれます。ハイパーパラメータチューニングジョブにデータセットを使うには、データセットをダウンロードし、データを変換してから、Amazon S3 バケットにアップロードします。
この例で実行されるデータセットとデータ変換の詳細については、ノートブックインスタンスの「サンプル」タブの「ハイパーパラメータチューニング」セクションにある HPO_XGBoost_Direct_Marketing_SageMaker_API ノートブックを参照してください。SageMaker
トレーニングデータセットをダウンロードして調べる
データセットをダウンロードして調べるには、ノートブックで次のコードを実行します。
!wget -N https://archive.ics.uci.edu/ml/machine-learning-databases/00222/bank-additional.zip !unzip -o bank-additional.zip data = pd.read_csv('./bank-additional/bank-additional-full.csv', sep=';') pd.set_option('display.max_columns', 500) # Make sure we can see all of the columns pd.set_option('display.max_rows', 5) # Keep the output on one page data
データを準備してアップロードする
ハイパーパラメータ調整ジョブを作成する前に、データを準備して、ハイパーパラメータ調整ジョブからアクセスできる S3 バケットにアップロードしてください。
ノートブックで次のコードを実行します。
data['no_previous_contact'] = np.where(data['pdays'] == 999, 1, 0) # Indicator variable to capture when pdays takes a value of 999 data['not_working'] = np.where(np.in1d(data['job'], ['student', 'retired', 'unemployed']), 1, 0) # Indicator for individuals not actively employed model_data = pd.get_dummies(data) # Convert categorical variables to sets of indicators model_data model_data = model_data.drop(['duration', 'emp.var.rate', 'cons.price.idx', 'cons.conf.idx', 'euribor3m', 'nr.employed'], axis=1) train_data, validation_data, test_data = np.split(model_data.sample(frac=1, random_state=1729), [int(0.7 * len(model_data)), int(0.9*len(model_data))]) pd.concat([train_data['y_yes'], train_data.drop(['y_no', 'y_yes'], axis=1)], axis=1).to_csv('train.csv', index=False, header=False) pd.concat([validation_data['y_yes'], validation_data.drop(['y_no', 'y_yes'], axis=1)], axis=1).to_csv('validation.csv', index=False, header=False) pd.concat([test_data['y_yes'], test_data.drop(['y_no', 'y_yes'], axis=1)], axis=1).to_csv('test.csv', index=False, header=False) boto3.Session().resource('s3').Bucket(bucket).Object(os.path.join(prefix, 'train/train.csv')).upload_file('train.csv') boto3.Session().resource('s3').Bucket(bucket).Object(os.path.join(prefix, 'validation/validation.csv')).upload_file('validation.csv')
次のステップ
