Amazon Machine Learning サービスの更新や、その新しいユーザーの受け入れは行っていません。このドキュメントは既存のユーザー向けに提供されていますが、更新は終了しています。詳細については、「Amazon Machine Learning とは」を参照してください。

Amazon ML のデータスキーマを作成する

スキーマは、入力データとそれに対応するデータタイプのすべての属性で構成されています。これにより、Amazon ML はデータソース内のデータを理解します。Amazon ML は、スキーマ内の情報を使用して、入力データの読み取りと解釈、統計の計算、正しい属性変換の適用、学習アルゴリズムの微調整を行います。スキーマを指定しない場合、Amazon ML はデータから推測します。

スキーマの例

Amazon ML が入力データを正しく読み取り、正確な予測を生成するには、各属性が正しいデータ型に割り当てられている必要があります。データ型が属性にどのように割り当てられているか、および、属性とデータ型がスキーマにどのように含まれているかの例を見てみましょう。どの顧客が E メールキャンペーンに反応するかを予測するために、「お客様キャンペーン」の例を呼び出します。入力ファイルは 9 つの列がある .csv ファイルです。

1,3,web developer,basic.4y,no,no,1,261,0

2,1,car repair,high.school,no,no,22,149,0

3,1,car mechanic,high.school,yes,no,65,226,1

4,2,software developer,basic.6y,no,no,1,151,0

以下は、このデータのスキーマです。

{
    "version": "1.0",
    "rowId": "customerId",
    "targetAttributeName": "willRespondToCampaign",
    "dataFormat": "CSV",
    "dataFileContainsHeader": false,
    "attributes": [
        {
            "attributeName": "customerId",
            "attributeType": "CATEGORICAL"
        },
        {
            "attributeName": "jobId",
            "attributeType": "CATEGORICAL"
        },
        {
            "attributeName": "jobDescription",
            "attributeType": "TEXT"
        },
        {
            "attributeName": "education",
            "attributeType": "CATEGORICAL"
        },
        {
            "attributeName": "housing",
            "attributeType": "CATEGORICAL"

        },
        {
            "attributeName": "loan",
            "attributeType": "CATEGORICAL"

        },
        {
            "attributeName": "campaign",
            "attributeType": "NUMERIC"
        },
        {
            "attributeName": "duration",
            "attributeType": "NUMERIC"
        },

        {
            "attributeName": "willRespondToCampaign",
            "attributeType": "BINARY"
        }
        
    ]
}

この例のスキーマファイルでは、rowId の値が customerId となっています。

"rowId": "customerId",

属性 willRespondToCampaign はターゲット属性として定義されています。

"targetAttributeName": "willRespondToCampaign ",

customerId 属性と CATEGORICAL データ型は最初の列に関連付けられていて、jobId 属性と CATEGORICAL データ型は 2 番目の列に関連付けられていて、jobDescription 属性と TEXT データ型は 3 番目の列に関連付けられていて、education 属性と CATEGORICAL データ型は 4 番目の列に関連付けられていて、以下同様に続きます。9 番目の列は willRespondToCampaign 属性と BINARY データ型に関連付けられていて、この属性はターゲット属性としても定義されています。

targetAttributeName フィールドの使用

targetAttributeName 値は、予測する属性の名前です。モデルを作成または評価するときは、targetAttributeName を割り当てる必要があります。

ML モデルのトレーニングや評価をするときは、targetAttributeName は、ターゲット属性の「正しい」回答を含む入力データ内の属性の名前を識別します。Amazon ML は、正解を含むターゲットを使用して、パターンを検出し、ML モデルを生成します。

モデルを評価する際、Amazon ML はターゲットを使用して予測の精度をチェックします。ML モデルを作成して評価したら、割り当てられいない targetAttributeName のデータを使用して、ML モデルで予測を生成することができます。

データソースを作成するとき Amazon ML コンソールで、または、スキーマファイルで、ターゲット属性を定義します。独自のスキーマファイルを作成する場合は、次の構文を使用してターゲット属性を定義します。

"targetAttributeName": "exampleAttributeTarget",

この例で、exampleAttributeTarget はダーゲット属性である入力ファイル内の属性の名前です。

rowID フィールドの使用

row ID は、入力データの属性に関連付けられているオプションのフラグです。指定した場合、row ID とマークされた属性が予測出力に含まれます。この属性を使用すると、予測と観測の対応性を関連付けしやすくなります。良い row ID の例は、カスタマー ID または同様の一意の属性です。

データソースを作成するとき Amazon ML コンソールで、または、スキーマファイルで、row ID を定義します。独自のスキーマファイルを作成する場合は、次の構文を使用して row ID を定義します。

"rowId": "exampleRow",

前述の例で、exampleRow は行 ID として定義された入力ファイル内の属性の名前です。

バッチ予測を生成する場合、次のような出力が得られる場合があります。

tag,bestAnswer,score
55,0,0.46317
102,1,0.89625 

この例では、RowID は属性 customerId を表します。たとえば、customerId 55 は低い信頼度 (0.46317) で E メールキャンペーンに反応することが予測され、一方、customerId 102 は高い信頼度 (0.89625) で E メールキャンペーンに反応することが予測されます。

AttributeType フィールドの使用

Amazon ML では、属性に 4 つのデータ型があります。

トレーニングスキーマの変数のデータ型が評価スキーマの変数のデータ型と一致しない場合、Amazon ML は評価データ型をトレーニングデータ型に合わせて変更します。例えば、トレーニングデータスキーマが TEXT のデータ型を変数 age に割り当てても、評価スキーマが NUMERIC のデータ型を age に割り当てる場合、Amazon ML は評価データで年齢を NUMERIC ではなく TEXT 変数として扱います。

各データ型に関連付けられた統計の詳細については、「記述統計」を参照してください。

Amazon ML にスキーマを提供する

すべてのデータソースにはスキーマが必要です。Amazon ML にスキーマを提供するには、2 つの方法から選択できます。

Amazon ML によるスキーマの作成を許可する

Amazon ML コンソールを使用してデータソースを作成すると、Amazon ML は変数の値に基づいた単純なルールを使用してスキーマを作成します。Amazon ML で作成したスキーマを確認し、正確でない場合はデータタイプを修正することを強くお勧めします。

スキーマを提供する

スキーマファイルを作成したら、Amazon ML で使用可能にする必要があります。これには 2 つのオプションがあります。