请选择 进入手机版 | 继续访问电脑版
开启辅助访问
 找回密码
 立即注册

亚马逊 机器学习 服务 的实例 基本操作 步骤

0 / 279

61

主题

66

帖子

618

积分

管理员

Rank: 9Rank: 9Rank: 9

积分
618
发表于 2018-5-30 14:56:00 | 显示全部楼层 |阅读模式
  • 亚马逊 机器学习 服务 的实例 基本操作 步骤
  • Amazon Machine Learning
  • Steps
  • 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

2. 数据集
验证后


Remark:
a)可以是文件,也可以是目录
b)原始数据

age,job,marital,education,default,housing,loan,contact,month,day_of_week,duration,campaign,pdays,previous,poutcome,emp_var_rate,cons_price_idx,cons_conf_idx,euribor3m,nr_employed,y
44,blue-collar,married,basic.4y,unknown,yes,no,cellular,aug,thu,210,1,999,0,nonexistent,1.4,93.444,-36.1,4.963,5228.1,0
53,technician,married,unknown,no,no,no,cellular,nov,fri,138,1,999,0,nonexistent,-0.1,93.2,-42,4.021,5195.8,0
28,management,single,university.degree,no,yes,no,cellular,jun,thu,339,3,6,2,success,-1.7,94.055,-39.8,0.729,4991.6,1
39,services,married,high.school,no,no,no,cellular,apr,fri,185,2,999,0,nonexistent,-1.8,93.075,-47.1,1.405,5099.1,0
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
  • Binary Classification Model
  • Multiclass Classification Model
  • Regression Model
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

https://blog.csdn.net/XuYongshi02/article/details/53944889

回复

使用道具 举报

您需要登录后才可以回帖 登录 | 立即注册

本版积分规则

逛了这么久,何不进去瞧瞧!

登录 发布 快速回复 返回顶部 返回列表