O caminho para preparar um modelo ML inclui dar um cálculo ML (ou seja, o cálculo da aprendizagem) com a preparação de informação a ganhar com isso. O termo modelo ML alude à raridade antiga do modelo que é feita pelo procedimento de preparação.
As informações de preparação devem conter a resposta certa, que é conhecida como propriedade objetiva ou de destino. O cálculo da aprendizagem descobre desenhos na informação de preparação que orientam a informação atribui ao objectivo (a resposta apropriada que você precisa antecipar), e produz um modelo ML que capta estes exemplos.
Você pode utilizar o modelo ML para obter previsões sobre novas informações para as quais você não tem a mais nebulosa idéia sobre o objetivo. Por exemplo, suponha que você precisa preparar um modelo ML para prever se um e-mail é ou não spam. Você forneceria à Amazon ML informações preparatórias que contenham mensagens para as quais você conhece o objetivo (ou seja, um nome que diga se um e-mail é ou não um spam). O Amazon ML prepararia um modelo ML utilizando esta informação, trazendo um modelo que tenta prever se um novo e-mail será ou não spam.
Tipos de Modelos ML
O Amazon ML reforça três tipos de modelos ML: caracterização paralela, agrupamento multiclasse, e recidiva. O tipo de modelo que você deve escolher depende do tipo de foco que você precisa prever.
Modelo de Arranjo Paralelo
Os modelos ML para questões de disposição paralela antecipam um resultado duplo (uma de duas classes potenciais). Para preparar modelos de agrupamento duplo, o Amazon ML utiliza o cálculo do padrão de aprendizagem empresarial conhecido como recaída estratégica.
Instâncias de Caracterização Emparelhada
“Este e-mail é spam ou não é spam?”
“O cliente vai comprar este item?”
“Este item é um livro ou gado?”
“Esta auditoria é composta por um cliente ou um robô?”
Modelo de Caracterização Multiclasse
Os modelos ML para questões de caracterização multiclasse permitem-lhe produzir expectativas para numerosas classes (prever um dos múltiplos resultados). Para a preparação de modelos multiclasse, o Amazon ML utiliza o cálculo de aprendizagem padrão de negócios conhecido como relapsão estratégica multinomial.
Instâncias de Questões Multiclasse
“Este item é um livro, um filme, ou um traje?”
“Este filme é uma comédia, narrativa ou um filme de arrepiar?”
“Que classificação de itens é mais intrigante para este cliente?”
Modelo de recapse
Os modelos ML para problemas de recidiva prevêem um valor numérico. Para preparar modelos de recidiva, o Amazon ML utiliza o cálculo de aprendizado padrão de negócios conhecido como recidiva reta.
Fazendo um modelo ML
Depois de ter feito uma fonte de dados, você está preparado para fazer um modelo ML. Caso você utilize o suporte a IA da Amazon para fazer um modelo, você pode decidir utilizar as configurações padrão ou ajustar o seu modelo aplicando alternativas personalizadas.
As alternativas personalizadas incluem:
Configurações de avaliação: Você pode decidir que o Amazon ML salve uma parte das informações para avaliar a natureza presciente do modelo ML. Para obter dados sobre avaliações, vide Avaliação de modelos ML.
Uma fórmula: Uma fórmula revela à Amazon ML quais qualidades e mudanças de características são acessíveis para a preparação do modelo. Para obter dados sobre os planos da Amazon ML, consulte Destacar mudanças com planos de informação.
Preparando parâmetros: Os parâmetros controlam certas propriedades do procedimento de preparação e do modelo ML subsequente. Para obter mais dados sobre a preparação de parâmetros, vide Preparação de parâmetros.
Para escolher ou determinar valores para estas configurações, escolha a opção Personalizada quando utilizar o assistente de criação de modelos ML. Caso você precise do Amazon ML para aplicar as configurações padrão, escolha Default.
No momento em que você faz um modelo ML, o Amazon ML escolhe o tipo de cálculo de aprendizagem que irá utilizar, dependendo do tipo característico da sua qualidade objetiva. (A propriedade objetiva é o traço que contém as respostas “certas”.) Se a sua característica objetiva é Duplo, o Amazon ML faz um modelo de ordem dupla, que utiliza o cálculo de recidiva estratégica. Na hipótese de sua característica objetiva ser All out, a Amazon ML faz um modelo multiclasse, que usa um cálculo de recidiva calculado multinomial. Na hipótese remota de sua característica objetiva ser Numérica, o Amazon ML faz um modelo de recidiva, que usa um cálculo de recidiva direta.
Pontos
Requisitos
Fazendo um Modelo ML com Escolhas Predefinidas
Fazendo um Modelo ML com Escolhas Personalizadas
Requisitos
Antes de utilizar o suporte do Amazon ML para fazer um modelo ML, você tem que fazer duas fontes de dados, uma para preparar o modelo e outra para avaliar o modelo. Na hipótese de você não ter feito duas fontes de dados, veja Etapa 2: Faça uma Fonte de Dados de Preparação no exercício instrucional.
Fazendo um Modelo ML com Escolhas Predefinidas
Escolha a opção por defeito, caso precise da Amazon ML:
Dividir as informações para utilizar os 70% iniciais para preparar e utilizar os 30% restantes para a avaliação.
Recomendar uma fórmula dependente dos conhecimentos recolhidos sobre a fonte de dados de preparação, que é 70% da fonte de dados de informação
Escolha os parâmetros de preparação padrão
Para escolher alternativas padrão
No suporte do Amazon ML, escolha o Amazon AI, e depois, escolha os modelos ML.
Na página de sinopse dos modelos ML, escolha Fazer outro modelo ML.
Na página de informações, certifique-se de que eu fiz anteriormente uma fonte de dados indicando que minhas informações S3 foram escolhidas.
Na tabela, escolha a sua fonte de dados e, em seguida, escolha Proceed.
Na página de configurações do modelo ML, para o nome do modelo ML, digite um nome para o seu modelo ML.
Para as configurações de preparação e avaliação, certifique-se de que o Default é escolhido.
Para Nome, esta avaliação, digite um nome para a avaliação e, em seguida, escolha o Survey. O Amazon ML contorna o restante do assistente e leva-o para a página de Pesquisa.
Faça um levantamento das suas informações, apague quaisquer etiquetas duplicadas da fonte de dados que não precise aplicar ao seu modelo e avaliações e, posteriormente, escolha Finish.
Fazendo um Modelo ML com Escolhas Personalizadas
Ajustar o seu modelo ML permite que o faça:
Dá a tua própria fórmula. Para obter dados sobre como dar a sua própria fórmula, consulte Referência da Organização da Fórmula.
Escolha os parâmetros de preparação. Para obter mais dados sobre a preparação de parâmetros, vide Preparação de parâmetros.
Escolha uma proporção de separação preparação/avaliação diferente da proporção padrão 70/30 ou dê outra fonte de dados que você acabou de organizar para avaliação. Para obter dados sobre técnicas de separação, consulte Parting Your Information.
Você também pode escolher a estima padrão para qualquer uma dessas configurações.
Caso você tenha acabado de fazer um modelo utilizando as alternativas padrão e precise melhorar a apresentação presciente do seu modelo, utilize a opção Custom para fazer outro modelo com algumas configurações ajustadas. Por exemplo, você pode adicionar mais mudanças de componentes à fórmula ou incrementar a quantidade de vai no parâmetro de preparação.
Para fazer um modelo com alternativas personalizadas
No suporte do Amazon ML, escolha o Amazon AI, e depois escolha os modelos ML.
Na página de sinopse dos modelos ML, escolha Fazer outro modelo ML.
Na hipótese de ter acabado de fazer uma fonte de dados, na página de informações, escolha a fonte de dados que eu fiz anteriormente, indicando as minhas informações S3. Na tabela, escolha a sua fonte de dados e, em seguida, escolha Proceed.
Na hipótese de você ter que fazer uma fonte de dados, escolha My information is in S3, e eu tenho que fazer uma fonte de dados, escolha Proceed. Você é desviado para o feiticeiro Make a Datasource. Indique se as suas informações estão em S3 ou Redshift, nesse momento, escolha Confirmar. Complete o sistema para criar uma fonte de dados.
Depois de ter feito uma fonte de dados, você é desviado para a etapa subseqüente no assistente do Make ML Model.
Na página de configurações do modelo ML, para o nome do modelo ML, digite um nome para o seu modelo ML.
Em Select preparation and assessment settings, selecione Custom, e depois selecione Proceed.
Na página Fórmula, você pode refazer uma fórmula. Na hipótese de você preferir não alterar uma fórmula, a Amazon ML propõe uma para você. Pick Proceed.
Na página Configurações do Propulsor, indique o Tamanho mais extremo do modelo ML, o maior número de passes de informação, o tipo Mix para preparar a informação, o tipo de Regularização e a soma da Regularização. Na hipótese de você não indicar estes, o Amazon ML utiliza os parâmetros padrão de preparação.
Para obter mais dados sobre esses parâmetros e seus defaults, consulte Preparação de parâmetros.
Pick Proceed.
Na página Avaliação, indique se você precisa avaliar o modelo ML imediatamente. Caso prefira não avaliar o modelo ML no momento, escolha o Survey.
Por hipótese, você precisa avaliar o modelo ML neste momento:
Para nomear esta avaliação, digite um nome para a avaliação.
Para selecionar informações de avaliação, escolha se você precisa do Amazon ML para manter uma parte das informações para avaliação e, caso precise, como você precisa separar a fonte de dados, ou decida dar uma fonte de dados alternativa para avaliação.
Pesquisa de Escolha.
Na página Revisão, edite suas seleções, exclua quaisquer tags copiadas da fonte de dados que você não queira aplicar ao seu modelo e avaliações e, em seguida, selecione Concluir.