我們不再更新 Amazon Machine Learning 服務或接受新使用者。本文件適用於現有使用者,但我們不再對其進行更新。如需詳細資訊,請參閱什麼是 Amazon Machine Learning。
本文為英文版的機器翻譯版本,如內容有任何歧義或不一致之處,概以英文版為準。
步驟 2:建立訓練資料來源
在您上傳banking.csv
資料集添加到 Amazon Simple Storage Service (Amazon S3) 位置,您要用該資料集建立訓練資料來源。資料來源是 Amazon Machine Learning (Amazon ML) 物件,內含您輸入資料的位置和輸入資料之相關中繼資料的位置。Amazon ML 會使用資料來源進行 ML 模型訓練和評估之類的操作。
若要建立資料來源,請提供下列項目:
-
您資料的 Amazon S3 位置和存取資料的許可
-
結構描述,包含資料中的屬性名稱及各屬性的類型 (數字、文字、分類或二元)
-
屬性名稱,包含您希望 Amazon ML 學習預測的回答,即目標屬性
注意
資料來源並不會實際地存放您的資料,只是參考該資料而已。請避免移動或變更存放在 Amazon S3 中的檔案。如果您移動或變更了檔案,Amazon ML 就無法存取它們來建立 ML 模型、產生評估或產生預測。
建立訓練資料來源
開啟 Amazon Machine Learning 主控台https://console.aws.amazon.com/machinelearning/
。 -
選擇 Get started (開始使用)。
注意
本教學課程假設這是您第一次使用 Amazon ML。如果您之前使用過亞馬遜 ML,則可以使用建立新項目...下拉式清單,建立新的資料來源。
-
在開始使用 Amazon Machine Learning頁面,選擇啟動。
-
在 Input Data (輸入資料) 頁面上,確定 Where is your data located? (您的資料在哪個位置?) 已選取 S3。
-
適用於S3 位置中,鍵入
banking.csv
檔案:準備您的資料。例如:。您的儲存貯體
/banking.csv
。Amazon ML 會為您在您儲存貯體名稱的開頭放置 s3://。 -
針對 Datasource name (資料來源名稱) 輸入
Banking Data 1
。 -
選擇 Verify (驗證)。
-
在 S3 permissions (S3 許可) 對話方塊中,選擇 Yes (是)。
-
如果 Amazon ML 可以存取並讀取 S3 位置的資料檔案,您就會看到類似如下的頁面。檢閱屬性,然後選擇 Continue (繼續)。
接著,您要建立結構描述。一個模式是 Amazon ML 為 ML 模型解譯輸入資料所需的資訊,包括屬性名稱及其指派資料類型,還有特殊屬性的名稱。向 Amazon ML 提供結構描述的方式有兩種:
-
當您上傳 Amazon S3 資料時,提供獨立的結構描述檔案。
-
允許 Amazon ML 為您推斷屬性類型和建立結構描述。
在本教學課程中,我們會要求 Amazon ML 推斷結構描述。
如需建立獨立結構描述檔案的相關資訊,請參閱建立 Amazon ML 的資料結構描述。
允許 Amazon ML 推斷結構描述
-
在結構描述頁面,Amazon ML 會向您顯示其所推斷的結構描述。檢 Amazon ML 對屬性推斷的資料類型。為屬性指派的資料類型務必正確,以協助 Amazon ML 正確地攝取資料,並對屬性進行正確的特徵處理。
-
若屬性只有兩種可能狀態 (例如,是或否),應標示為 Binary (二元)。
-
若屬性為用來表示分類的數字或字串,應標示為 Categorical (分類)。
-
若屬性為順序有意義的數字量,應標示為 Numeric (數值)。
-
若屬性為您想要視為以空格分隔之單詞的字串,應標示為 Text (文字)。
-
-
在本教學課程中,Amazon ML 已正確識別所有屬性的資料類型,所以請選擇Continue。
接著選取目標屬性。
請記住,目標是 ML 模型必須學習預測的屬性。屬性 y 會指出某人過去是否訂閱過活動:1 (是) 或 0 (否)。
注意
只有當您要使用資料來源來訓練和評估 ML 模型時,才選擇目標屬性。
選取 y 做為目標屬性
-
在表格右下方,選擇單箭頭前往表格的最後一頁,該頁會顯示名為
y
的屬性。 -
在 Target (目標) 欄,選取
y
。Amazon ML 會確認y會選取為您的目標。
-
選擇 Continue (繼續)。
-
在 Row ID (列 ID) 頁面上,確定 Does your data contain an identifier? (您的資料包含識別符嗎?) 已選取預設值 No (否)。
-
選擇 Review (檢閱),然後選擇 Continue (繼續)。
既然您已具有訓練資料來源,就可以建立模型。