我們不再更新 Amazon Machine Learning 服務或接受新使用者。本文件可供現有使用者使用，但我們不再更新。如需詳細資訊，請參閱[什麼是 Amazon Machine Learning](https://docs.aws.amazon.com/machine-learning/latest/dg/what-is-amazon-machine-learning.html)。

本文為英文版的機器翻譯版本，如內容有任何歧義或不一致之處，概以英文版為準。

# 明確地描述問題 (建立問題的格式)
<a name="formulating-the-problem"></a>

機器學習的第一步，是決定您要預測什麼，這稱為標籤或目標答案。假設您想要製造產品，但您對於製造每個產品的決策，取決於其潛在銷售數量。在此案例中，您想要預測每個產品的購買次數 (預測銷售數量)。使用機器學習來定義此問題的方法有很多種。選擇如何定義問題，取決於您的使用案例或業務需求。

您想要預測客戶對於每個產品的購買數量 (在這種情況下，目標是數值而您需解決回歸問題)？ 還是想預測哪些產品會被購買超過 10 次 (在這種情況下，目標是二元而您需解決二元分類問題)？

請勿把問題過度複雜化，應建構可滿足您需求的最簡單解決方案。不過，也請避免遺漏資訊，尤其是歷史答案中的資訊。在這種情況下，將實際的過去銷售數量轉換成二元變數「超過 10」相較於「較少」會遺失寶貴的資訊。花點時間來決定哪個目標對您來說是最有意義的預測，可讓您省下時間以免建置無法回答您問題的模型。