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.
Il processo Amazon Machine Learning
La tabella seguente descrive come utilizzare la console di Amazon ML per eseguire il processo ML illustrato in questo documento.
Processo ML |
Attività di Amazon ML |
|---|---|
Analisi dei dati |
Per analizzare i dati in Amazon ML, creare un'origine dati e rivedere la pagina delle informazioni sui dati. |
Divisione dei dati in origini dati di addestramento e di valutazione |
Amazon ML è in grado di dividere l'origine dati per utilizzare il 70% dei dati per l'addestramento del modello e il 30% per la valutazione delle prestazioni predittive del modello. Quando si utilizza la procedura guidata Crea un modello ML con le impostazioni predefinite, Amazon ML divide i dati. Se si utilizza la procedura guidata Crea un modello ML con le impostazioni personalizzate e si sceglie di valutare il modello ML, verrà visualizzata un'opzione per consentire ad Amazon ML di frazionare i dati ed eseguire una valutazione sul 30% dei dati. |
Mischiare i dati di addestramento |
Quando si utilizza la procedura guidata Crea un modello ML con le impostazioni predefinite, Amazon ML mischia i dati. È anche possibile mischiare i dati prima di importarli in Amazon ML. |
Elaborazione delle caratteristiche |
Il processo di unire i dati di addestramento in un formato ottimale per l'apprendimento e la generalizzazione è noto come trasformazione delle caratteristiche. Quando si utilizza la procedura guidata Crea un modello ML con le impostazioni predefinite, Amazon ML suggerisce le impostazioni per l'elaborazione delle caratteristiche per i dati. Per specificare le impostazioni di elaborazione delle caratteristiche, è possibile usare l'opzione Custom (Personalizza) della procedura guidata Crea un modello ML e fornire una composizione per l'elaborazione delle caratteristiche. |
Addestramento del modello |
Quando si utilizza la procedura guidata Crea un modello ML per creare un modello in Amazon ML, Amazon ML addestra il modello. |
Selezione dei parametri del modello |
In Amazon ML, è possibile ottimizzare quattro parametri che influenzano le prestazioni predittive del modello: la dimensione del modello, il numero di passate, il tipo di mescolamento (shuffling) e la regolarizzazione. È possibile impostare questi parametri quando si utilizza la procedura guidata Crea un modello ML per creare un modello ML e scegliere l'opzione Custom (Personalizzato). |
Valutazione delle prestazioni del modello |
Utilizzare la procedura guidata Crea valutazione per valutare le prestazioni predittive del modello. |
Selezione delle caratteristiche |
L'algoritmodi apprendimento di Amazon ML è in grado di eliminare le caratteristiche che contribuiscono molto al processo di apprendimento. Per indicare che si desidera eliminare queste caratteristiche, scegliere il parametro |
Impostazione di un punteggio soglia per l'accuratezza predittiva |
Rivedere le prestazioni predittive del modello nella relazione di valutazione in corrispondenza di diverse soglie di punteggio, quindi impostare il punteggio soglia in base alle applicazioni aziendali. Il punteggio soglia determina il modo in cui il modello definisce una corrispondenza predittiva. Modificare il numero per controllare i falsi positivi e i falsi negativi. |
Uso del modello |
Utilizzare il modello per ottenere previsioni per un batch di osservazioni utilizzando la procedura guidata Crea previsione in batch. In alternativa, si possono ottenere previsioni per singole osservazioni on demand abilitando il modello ML a elaborare previsioni in tempo reale utilizzando l'API |
