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.
Sviluppo di un'applicazione di machine learning
Lo sviluppo di applicazioni ML è un processo iterativo che richiede una sequenza di fasi. Per sviluppare un'applicazione ML, seguire queste fasi generali:
Individuare i principali problemi di ML in termini di ciò che si osserva e di quale risposta si desidera che il modello preveda.
Raccogliere, ripulire e preparare i dati per renderli adatti all'utilizzo da parte degli algoritmi di addestramento del modello ML. Visualizzare e analizzare i dati per l'esecuzione di controlli di integrità, per convalidare la qualità dei dati e per comprendere i dati.
Spesso i dati grezzi (variabili di input) e la risposta (target) non sono rappresentati in un modo utilizzabile per addestrare un modello altamente predittivo. Pertanto, in genere è necessario tentare di costruire rappresentazioni o funzionalità di input più predittive dalle variabili grezze.
Fornire le caratteristiche risultanti all'algoritmo di apprendimento per creare i modelli e valutare la qualità dei modelli sui dati che non sono stati utilizzati per lo sviluppo del modello.
Utilizzare il modello per generare previsioni della risposta target per nuove istanze di dati.
