亚马逊 机器学习 服务 的实例 基本操作 步骤
亚马逊 机器学习 服务 的实例 基本操作 步骤Amazon Machine Learninghttps://aws.amazon.com/machine-learning/StepsStep 1: Prepare Your DataStep 2: Create a Training DatasourceStep 3: Create an ML M
- 亚马逊 机器学习 服务 的实例 基本操作 步骤
- Amazon Machine Learning
https://aws.amazon.com/machine-learning/
- Step 1: Prepare Your Data
- Step 2: Create a Training Datasource
- Step 3: Create an ML Model
- Step 4: Review the ML Model's Predictive Performance
- Step 5: Use the ML Model to Generate Predictions
- Step 6: Clean Up
准备数据(清洗,转换...)→选模型→检查结果→预测新数据→清理
1. 控制台 北弗吉尼亚
https://console.aws.amazon.com/machinelearning/home?region=us-east-1#/
2. 数据集
亚马逊示例数据 https://s3.amazonaws.com/aml-sample-data/banking.csv
验证后
Remark:
a)可以是文件,也可以是目录
b)原始数据
3. 确认Schema
显示了前3行数据
Remark:
a)第一行,是每个字段的名字
b)数据类型, 只有4种
Binary
Categorical
Numeric
Text
c)数值型Numeric是指可以比较大小的类型,如体重,收入;但员工号,月份序号,邮编不是数值型,是枚举型Categorical
Schema文件内容
4. 选定目标列
5. 是否包含RowID列
RowID列不会用于模型计算, 可以增加可读性
6. 数据集概览
7. 创建模型
目前支持的模型,只有3个:http://docs.aws.amazon.com/zh_cn/machine-learning/latest/dg/types-of-ml-models.html
- Binary Classification Model
评价模型http://docs.aws.amazon.com/zh_cn/machine-learning/latest/dg/evaluating_models.html
从训练数据中选取部分,顺序选,随机选等,预防过拟合Overfitting
给ML模型和评价模型 取名字
8. 再次概览
9. 生成模型
具体:
a)
b)
c)
11. 评价
12. 调整, 点击(Adjust score threshold)
13. 预测
模型可用后, 会在左侧多多来一个菜单
14. 结果
还可以创建 endpoint
附录:
人工智能服务组
- Artificial Intelligence
- 机器学习资源列表
更多推荐
所有评论(0)