Não estamos mais atualizando o serviço Amazon Machine Learning nem aceitando novos usuários para ele. Essa documentação está disponível para usuários existentes, mas não estamos mais atualizando-a. Para obter mais informações, consulte O que é o Amazon Machine Learning.
Solucionar problemas de negócios com o Amazon Machine Learning
Você pode usar o Amazon Machine Learning para aplicar a Machine Learning aos problemas para os quais há exemplos de respostas reais. Por exemplo, se você deseja usar o Amazon Machine Learning para prever se um e-mail é spam, precisará coletar exemplos de e-mail que são corretamente rotulados como spam ou não spam. Em seguida, você pode usar a Machine Learning para generalizar a partir desses exemplos de e-mail e, assim, prever a probabilidade de novos e-mails serem spam ou não. Essa abordagem de aprendizagem a partir dos dados que foram identificados com a resposta real é conhecido como Machine Learning supervisionada.
Você pode usar abordagens de ML específicas para essas tarefas de Machine Learning específicas: classificação binária (prevendo um dos dois resultados possíveis), classificação multiclasse (prevendo um dos mais de dois resultados) e regressão (prevendo um valor numérico).
Exemplos de problemas de classificação binária:
O cliente comprará ou não este produto?
Este e-mail é spam ou não?
Este produto é um livro ou um animal de fazenda?
Esta revisão foi escrita por um cliente ou por um robô?
Exemplos de problemas de classificação multiclasse:
Este produto é um livro, um filme ou vestuário?
Este filme é uma comédia romântica, um documentário ou um suspense?
Qual categoria de produtos é mais interessante para este cliente?
Exemplos de problemas de classificação de regressão:
Qual será a temperatura em Seattle amanhã?
Quantas unidades deste produto serão vendidas?
Quantos dias antes deste cliente interromper o uso do aplicativo?
Qual será o preço de venda desta casa?
