我们不再更新 Amazon Machine Learning 服务，也不再接受新用户使用该服务。本文档可供现有用户使用，但我们不会再对其进行更新。有关更多信息，请参阅[什么是 Amazon Machine Learning](https://docs.aws.amazon.com/machine-learning/latest/dg/what-is-amazon-machine-learning.html)。

本文属于机器翻译版本。若本译文内容与英语原文存在差异，则一律以英文原文为准。

# 教程：使用 Amazon ML 预测对营销方案的响应
<a name="tutorial"></a>

使用 Amazon Machine Learning (Amazon ML)，您可以生成和训练预测模型，并将您的应用程序托管在可扩展的云解决方案中。在本教程中，我们将向您展示如何使用 Amazon ML 控制台创建数据源、生成机器学习 (ML) 模型，然后使用模型生成您可用于您应用程序的预测。

我们的示例练习演示如何确定目标营销活动的潜在客户，不过您可以应用相同的准则来创建和使用各种 ML 模型。为完成示例练习，您将使用来自[加利福尼亚大学欧文分校 (UCI) 机器学习存储库](http://archive.ics.uci.edu/ml/datasets.php)公开提供的银行和营销数据集。这些数据集包含有关客户的一般信息，以及有关客户如何响应之前营销联系人的信息。您将使用此数据来确定哪些客户最有可能订阅您的新产品，即银行定期存款（也称为存折存款 (CD)）。

**警告**  
本教程不包含在 AWS 免费套餐中。有关 Amazon ML 定价的更多信息，请参阅 [https://aws.amazon.com/machine-learning/pricing/](https://aws.amazon.com/machine-learning/pricing/)。

## 先决条件
<a name="prereqs"></a>

 要执行教程中的操作，您需要有 AWS 账户。如果您没有 AWS 账户，请参阅[设置 Amazon Machine Learning](https://docs.aws.amazon.com/machine-learning/latest/dg/setting-up-amazon-machine-learning.html)。

## Steps
<a name="steps"></a>
+ [步骤 1：准备数据](step-1-download-edit-and-upload-data.md)
+ [步骤 2：创建训练数据源](step-2-create-a-datasource.md)
+ [步骤 3：创建 ML 模型](step-3-create-an-ml-model.md)
+ [步骤 4：查看 ML 模型的预测性能和设置分数阈值](step-4-review-model-and-set-cutoff.md)
+ [步骤 5：使用 ML 模型生成预测](step-5-create-predictions.md)
+ [步骤 6：清除](step-6-clean-up.md)