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.
Membuat Model ML-nya
Setelah membuat sumber data, Anda siap untuk membuat model ML. Jika Anda menggunakan konsol Amazon Machine Learning untuk membuat model, Anda dapat memilih untuk menggunakan pengaturan default atau menyesuaikan model dengan menerapkan opsi kustom.
Pilihan kustom meliputi:
-
Pengaturan evaluasi: Anda dapat memilih untuk memiliki Amazon ML-cadangan sebagian dari data input untuk mengevaluasi kualitas prediktif model ML-nya. Untuk informasi tentang evaluasi, lihatMengevaluasi Model ML.
-
Resep: Resep memberi tahu Amazon ML-atribut dan transformasi atribut yang tersedia untuk pelatihan model. Untuk informasi tentang resep Amazon, lihatFitur Transformasi dengan Data Recipes.
-
Parameter pelatihan: Parameter mengontrol sifat tertentu dari proses pelatihan dan model ML-nya. Untuk informasi selengkapnya tentang parameter pelatihan, lihatParameter Pelatihan.
Untuk memilih atau menentukan nilai untuk pengaturan ini, pilihKhususpilihan ketika Anda menggunakan Wisaya Buat Model L. Jika Anda ingin Amazon ML-menerapkan pengaturan default, pilihDefault.
Saat Anda membuat model ML-nya, Amazon MLakan memilih jenis algoritma pembelajaran yang akan digunakan berdasarkan jenis atribut atribut target Anda. (Atribut target adalah atribut yang berisi jawaban “benar”.) Jika atribut target Anda adalah Binary, Amazon ML-membuat model klasifikasi biner, yang menggunakan algoritma regresi logistik. Jika atribut target Anda adalah Kategoris, Amazon ML-membuat model multiclass, yang menggunakan algoritma regresi logistik multinomial. Jika atribut target Anda adalah Numeric, Amazon ML-membuat model regresi, yang menggunakan algoritma regresi linier.
Prasyarat
Sebelum menggunakan konsol Amazon ML-untuk membuat model, Anda perlu membuat dua sumber data, satu untuk melatih model dan satu untuk mengevaluasi model. Jika Anda belum membuat dua sumber data, lihatLangkah 2: Membuat Pelatihan Datasourcedalam tutorial.
Membuat Model ML-nya dengan Opsi Default
PilihDefaultpilihan, jika Anda ingin Amazon ML-nya:
-
Membagi data input untuk menggunakan 70 persen pertama untuk pelatihan dan menggunakan 30 persen sisanya untuk evaluasi
-
Sarankan resep berdasarkan statistik yang dikumpulkan pada sumber data pelatihan, yaitu 70 persen dari sumber data masukan
-
Pilih parameter latihan default
Untuk memilih opsi default
-
Di konsol Amazon ML-pilihAmazon Machine Learning, dan kemudian pilihModel L.
-
PadaModel Lhalaman ringkasan, pilihBuat model ML-baru.
-
PadaData inputhalaman, pastikan bahwaSaya sudah membuat datasource yang menunjuk ke data S3 sayadipilih.
-
Dalam tabel, pilih sumber data Anda, lalu pilihLanjutkan.
-
PadaPengaturan model Lhalaman, untukNama model L, ketik nama untuk model ML-mu.
-
UntukPengaturan pelatihan dan evaluasi, pastikan bahwaDefaultdipilih.
-
UntukBeri nama evaluasi, ketik nama untuk evaluasi, dan kemudian pilihTinjau. Amazon ML-bypass sisa wizard dan membawa Anda keTinjauhalaman.
-
Tinjau data Anda, hapus tag yang disalin dari sumber data yang tidak ingin diterapkan pada model dan evaluasi, lalu pilihSelesai.
Membuat Model ML-nya dengan Opsi Kustom
Menyesuaikan model ML-mu memungkinkan Anda untuk:
-
Berikan resep Anda sendiri. Untuk informasi tentang cara menyediakan resep Anda sendiri, lihatReferensi Format.
-
Pilih parameter pelatihan. Untuk informasi selengkapnya tentang parameter pelatihan, lihatParameter Pelatihan.
-
Pilih rasio pemisahan pelatihan/evaluasi selain rasio 70/30 default atau berikan sumber data lain yang telah Anda siapkan untuk evaluasi. Untuk informasi tentang strategi pemecahan, lihatMemisahkan Data Anda.
Anda juga dapat memilih nilai default untuk pengaturan ini.
Jika Anda telah membuat model menggunakan opsi default dan ingin meningkatkan kinerja prediktif model Anda, gunakanKhususpilihan untuk membuat model baru dengan beberapa pengaturan disesuaikan. Misalnya, Anda dapat menambahkan lebih banyak transformasi fitur ke resep atau meningkatkan jumlah pass dalam parameter pelatihan.
Untuk membuat model dengan opsi khusus
-
Di konsol Amazon ML-pilihAmazon Machine Learning, dan kemudian pilihModel L.
-
PadaModel Lhalaman ringkasan, pilihBuat model ML-baru.
-
Jika Anda telah membuat sumber data, padaData inputhalaman, pilihSaya sudah membuat datasource yang menunjuk ke data S3 saya. Dalam tabel, pilih sumber data Anda, lalu pilihLanjutkan.
Jika Anda perlu membuat sumber data, pilihData saya ada di S3, dan saya perlu membuat sumber data, pilihLanjutkan. Anda dialihkan keBuat DatasourcePenyihir. Tentukan apakah data Anda adaS3atauRedshift, lalu pilihVerifikasi. Lengkapi prosedur untuk membuat sumber data.
Setelah Anda membuat datasource, Anda akan diarahkan ke langkah berikutnya dalamBuat Model MLPenyihir.
-
PadaPengaturan model Lhalaman, untukNama model L, ketik nama untuk model ML-mu.
-
MasukPilih pengaturan pelatihan dan evaluasi, pilihKhusus, dan kemudian pilihLanjutkan.
-
PadaResephalaman, Anda bisacustomize a recipe. Jika Anda tidak ingin menyesuaikan resep, Amazon ML-menyarankan satu untuk Anda. Pilih Continue (Lanjutkan).
-
PadaPengaturan lanjutanhalaman, tentukanUkuran model maksimum, yangJumlah maksimum data, yangJenis shuffle untuk data pelatihan, yangJenis regularisasi, danJumlah regularisasi. Jika Anda tidak menentukan ini, Amazon MLakan menggunakan parameter pelatihan default.
Untuk informasi selengkapnya tentang parameter ini dan defaultnya, lihatParameter Pelatihan.
Pilih Continue (Lanjutkan).
-
PadaEvaluasihalaman, tentukan apakah Anda ingin mengevaluasi model ML-nya segera. Jika Anda tidak ingin mengevaluasi model MLnya sekarang, pilihTinjau.
Jika Anda ingin mengevaluasi model ML-nya sekarang:
-
UntukBeri nama evaluasi, ketik nama untuk evaluasi.
-
UntukPilih data evaluasi, pilih apakah Anda ingin Amazon XML memesan sebagian data input untuk evaluasi dan, jika Anda melakukannya, bagaimana Anda ingin membagi sumber data, atau memilih untuk menyediakan sumber data yang berbeda untuk evaluasi.
-
Pilih Tinjau.
-
-
PadaTinjauhalaman, edit pilihan Anda, hapus tag apa pun yang disalin dari sumber data yang tidak ingin Anda terapkan pada model dan evaluasi Anda, lalu pilihSelesai.
Setelah Anda membuat model, lihatLangkah 4: Tinjau Kinerja Prediktif Model L dan Tetapkan Ambang Skor.
