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 3:建立 ML 模型
建立好訓練資料來源後,可以使用它來建立 ML 模型、訓練模型,然後評估結果。ML 模型是 Amazon ML 在訓練期間於您的資料中找到的模式集合。您可以使用模型來建立預測。
建立 ML 模型
-
由於入門精靈會同時建立訓練資料來源和模型,Amazon Machine Learning (Amazon ML) 會自動使用您剛建立的訓練資料來源,並直接帶您前往ML 模型設定(憑證已建立!) 頁面上的名稱有些許差異。在 ML model settings (ML 模型設定) 頁面上,確定 ML model name (ML 模型名稱) 已顯示預設選項
ML model: Banking Data 1
。使用好記的名稱 (例如預設值),可協助您輕鬆地識別和管理 ML 模型。
-
對於 Training and evaluation settings (訓練與評估設定),確定已選取 Default (預設)。
-
對於 Name this evaluation (命名此評估),接受預設值
Evaluation: ML model: Banking Data 1
。 -
選擇 Review (檢閱)、檢閱您的設定,然後選擇 Finish (完成)。
在您選擇完成,Amazon ML 會將您的模型加入至處理隊列。當 Amazon ML 建立模型,它會套用預設值並執行下列動作:
-
將訓練資料來源分割為兩個部分,其一包含 70% 的資料,另一部分包含其餘的 30%
-
使用包含 70% 輸入資料的部分來訓練 ML 模型
-
使用其餘 30% 輸入資料的部分來評估模型
若模型仍在排列中,Amazon ML 會回報狀態為待定。當 Amazon ML 建立模型時,它會回報狀態為進行中。待已完成所有動作後,則回報狀態為 Completed (已完成)。請等待評估完成,然後再繼續。
-
現在您已準備好要開始檢閱模型的效能和設定分界分數。
如需訓練和評估模型的詳細資訊,請參閱定型 ML 模型和evaluate an ML model。