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。

# 定型 ML 模型
<a name="training-ml-models"></a>

 定型 ML 模型的程序需要提供 ML 演算法 (也就是*「學習演算法」*)，以及要從中學習的定型資料。*「ML 模型」*一詞是指由定型程序所建立的模型成品。

 定型資料必須包含正確答案，也稱為*「目標」*或*「目標屬性」*。學習演算法會在定型資料中尋找將輸入資料屬性對應至目標的模式 (您想要預測的答案)，並輸出擷取這些模式的 ML 模型。

 您可以使用 ML 模型，來預測您不知道目標的新資料。例如，假設您想要定型 ML 模型來預測電子郵件是否為垃圾郵件。您會向 Amazon ML 提供訓練資料，其中包含您知道目標的電子郵件 （即指示電子郵件是否為垃圾郵件的標籤）。Amazon ML 會使用此資料來訓練 ML 模型，導致模型嘗試預測新電子郵件是否是垃圾郵件。

 如需 ML 模型與 ML 演算法的一般資訊，請參閱[機器學習概念](machine-learning-concepts.md)。

**Topics**
+ [ML 模型的類型](types-of-ml-models.md)
+ [訓練處理](training-process.md)
+ [培訓參數](training-parameters.md)
+ [create an ML model](creating-ml-model-on-the-amazon-ml-console.md)