Etapa 2: Criar uma fonte de dados de treinamento - Amazon Machine Learning

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.

Etapa 2: Criar uma fonte de dados de treinamento

Após fazer upload do conjunto de dados banking.csv para o local do Amazon Simple Storage Service (Amazon S3), você o usará para criar uma fonte de dados de treinamento. Uma fonte de dados é um objeto do Amazon Machine Learning (Amazon ML) que contém o local dos dados de entrada e metadados importantes sobre os dados de entrada. O Amazon ML usa a fonte de dados para operações como o treinamento e a avaliação do modelo de ML.

Para criar uma fonte de dados, forneça os seguintes dados:

  • O local dos dados no Amazon S3 e a permissão para acessar esses dados

  • O esquema, que inclui os nomes dos atributos nos dados e o tipo de cada atributo (numérico, texto, categórico ou binário)

  • O nome do atributo que contém a resposta que o Amazon ML deve reconhecer para fazer a previsão: o atributo de destino

nota

Na verdade, a fonte de dados não armazena os dados, ele apenas faz referência a eles. Evite mover ou alterar os arquivos armazenados no Amazon S3. Se você movê-los ou alterá-los, o Amazon ML não poderá acessá-los para criar um modelo de ML, gerar avaliações ou gerar previsões.

Para criar a fonte de dados de treinamento

  1. Abra o console do Amazon Machine Learning em https://console.aws.amazon.com/machinelearning/.

  2. Escolha Como começar.

    nota

    Este tutorial assume que esta é a primeira vez que você está usando Amazon ML. Se você tiver usado o Amazon ML anteriormente, use a lista suspensa Criar novo no painel do Amazon ML para criar uma nova fonte de dados.

  3. Na página Conceitos básicos do Amazon Machine Learning, escolha Iniciar.

    Amazon Machine Learning interface with "Launch" button highlighted for standard setup.

  4. Na página Input Data (Dados de entrada), em Where is your data located (Onde os dados estão localizados)?, verifique se S3 está selecionado.

    Radio button selection between S3 and Redshift options, with S3 selected.

  5. Em S3 Location (Local do S3), digite o local completo do arquivo banking.csv da Etapa 1: Preparar os dados. Por exemplo: seu-bucket/banking.csv. O Amazon ML insere s3:// no início do nome do bucket.

  6. Em Datasource Name (Nome da fonte de dados), digite Banking Data 1.

    S3 location input field and Datasource name field for entering banking data information.

  7. Escolha Verify (Verificar).

  8. Na caixa de diálogo S3 permissions (Permissões do S3), escolha Yes (Sim).

    Dialog box asking to grant Amazon Machine Learning read permission for S3 location.

  9. Se o Amazon ML puder acessar e ler o arquivo de dados no local do S3, você verá uma página semelhante à seguinte. Analise as propriedades e escolha Continue (Continuar).

    Validation success message with datasource details including name, location, and file information.

Em seguida, estabeleça um esquema. Um esquema são as informações de que o Amazon ML precisa para interpretar os dados de entrada de um modelo de ML, incluindo nomes de atributos, os tipos de dados atribuídos e os nomes dos atributos especiais. Há duas maneiras de fornecer o Amazon ML com um esquema:

  • Forneça um arquivo de esquema separado ao fazer upload dos dados do Amazon S3.

  • Permita que o Amazon ML faça a inferência dos tipos de atributo e crie um esquema para você.

Neste tutorial, solicitaremos que o Amazon ML faça a inferência do esquema.

Para obter mais informações sobre como criar um arquivo de esquema separado, consulte Criar um esquema de dados para o Amazon ML.

Para permitir que o Amazon ML faça a inferência do esquema

  1. Na página Esquema, o Amazon ML mostra o esquema que inferiu. Analise os tipos de dados que o Amazon ML inferiu para os atributos. É importante que os atributos recebam o tipo de dados correto para que o Amazon ML possa inserir os dados corretamente e habilitar o processamento de recurso correto nos atributos.

    • Os atributos que têm apenas dois estados possíveis, como yes (sim) ou no (não), devem ser marcados como Binary (Binários).

    • Os atributos que são números ou strings usados para denotar uma categoria devem ser marcados como Categorical (Categóricos).

    • Os atributos que são quantidades numéricas para as quais o pedido é significativo devem ser marcados como Numeric (Numéricos).

    • Os atributos que são strings que você deseja tratar como palavras delimitadas por espaços devem ser marcados como Text (Texto).

    Data table showing fields like age, campaign, and contact with their data types and sample values.

  2. Neste tutorial, o Amazon ML identificou corretamente os tipos de dados de todos os atributos, portanto, escolha Continuar.

Em seguida, selecione um atributo de destino.

Lembre-se de que o destino é o atributo que o modelo de ML precisa reconhecer para fazer a previsão. O atributo y indica se um indivíduo se inscreveu em uma campanha no passado: 1 (sim) ou 0 (não).

nota

Escolha um atributo de destino somente se você pretende usar a fonte de dados para o treinamento e a avaliação dos modelos de ML.

Para selecionar y como atributo de destino

  1. No canto inferior direito da tabela, escolha a seta única para avançar para a última página da tabela, local em que o atributo y será exibido.

    Navigation buttons for a paginated table, with the last page arrow highlighted.

  2. Na coluna Target (Destino), selecione y.

    Checkbox in Target column next to variable 'y' with Binary data type.

    O Amazon ML confirma que y foi selecionado como destino.

  3. Escolha Continue (Continuar).

  4. Na página Row ID (ID da linha), em Does your data contain an identifier? (Os dados contêm um identificador?), verifique se No (Não), o padrão, está selecionado.

  5. Escolha Review (Rever) e, em seguida, escolha Continue (Continuar).

Agora que tem uma fonte de dados de treinamento, você está pronto para criar o modelo.