Membuat Model ML - Amazon Machine Learning
PrasyaratMembuat Model ML dengan Opsi DefaultMembuat Model ML dengan Opsi Kustom

Kami tidak lagi memperbarui layanan Amazon Machine Learning atau menerima pengguna baru untuk itu. Dokumentasi ini tersedia untuk pengguna yang sudah ada, tetapi kami tidak lagi memperbaruinya. Untuk informasi selengkapnya, lihat Apa itu Amazon Machine Learning.

Terjemahan disediakan oleh mesin penerjemah. Jika konten terjemahan yang diberikan bertentangan dengan versi bahasa Inggris aslinya, utamakan versi bahasa Inggris.

Membuat Model ML

Setelah Anda membuat sumber data, Anda siap untuk membuat model ML. Jika Anda menggunakan konsol Amazon Machine Learning untuk membuat model, Anda dapat memilih untuk menggunakan pengaturan default atau menyesuaikan model dengan menerapkan opsi kustom.

Opsi kustom meliputi:

  • Pengaturan evaluasi: Anda dapat memilih agar Amazon ML menyimpan sebagian data input untuk mengevaluasi kualitas prediktif model ML. Untuk informasi tentang evaluasi, lihat Mengevaluasi Model ML.

  • Resep: Sebuah resep memberi tahu Amazon ML atribut dan transformasi atribut mana yang tersedia untuk pelatihan model. Untuk informasi tentang resep Amazon Amazon, lihat Transformasi Fitur dengan Resep Data.

  • Parameter pelatihan: Parameter mengontrol sifat-sifat tertentu dari proses pelatihan dan model ML yang dihasilkan. Untuk informasi selengkapnya tentang parameter pelatihan, lihat Parameter Pelatihan.

Untuk memilih atau menentukan nilai untuk pengaturan ini, pilih opsi Kustom saat Anda menggunakan wizard Buat Model ML. Jika Anda ingin Amazon ML menerapkan pengaturan default, pilih Default.

Saat Anda membuat model ML, Amazon ML memilih jenis algoritme pembelajaran yang akan digunakan berdasarkan jenis atribut atribut dari atribut target Anda. (Atribut target adalah atribut yang berisi jawaban “benar”.) Jika atribut target Anda adalah Binary, Amazon ML membuat model klasifikasi biner, yang menggunakan algoritma regresi logistik. Jika atribut target Anda Categorical, Amazon ML akan membuat model multiclass, yang menggunakan algoritma regresi logistik multinomial. Jika atribut target Anda adalah Numerik, Amazon ML akan membuat model regresi, yang menggunakan algoritma regresi linier.

Prasyarat

Sebelum menggunakan konsol Amazon Amazon untuk membuat model ML, Anda perlu membuat dua sumber data, satu untuk melatih model dan satu untuk mengevaluasi model. Jika Anda belum membuat dua sumber data, lihat Langkah 2: Buat Datasource Pelatihan di tutorial.

Membuat Model ML dengan Opsi Default

Pilih opsi Default, jika Anda ingin Amazon ML:

  • Pisahkan data input untuk menggunakan 70 persen pertama untuk pelatihan dan gunakan 30 persen sisanya untuk evaluasi

  • Sarankan resep berdasarkan statistik yang dikumpulkan pada sumber data pelatihan, yang merupakan 70 persen dari sumber data input

  • Pilih parameter pelatihan default

Untuk memilih opsi default

  1. Di konsol Amazon ML, pilih Amazon Machine Learning, lalu pilih model ML.

  2. Pada halaman ringkasan model ML, pilih Buat model ML baru.

  3. Pada halaman Input data, pastikan bahwa saya sudah membuat sumber data yang menunjuk ke data S3 saya dipilih.

  4. Dalam tabel, pilih sumber data Anda, lalu pilih Lanjutkan.

  5. Pada halaman pengaturan model ML, untuk nama model ML, ketikkan nama untuk model ML Anda.

  6. Untuk pengaturan Pelatihan dan evaluasi, pastikan Default dipilih.

  7. Untuk Nama evaluasi ini, ketikkan nama untuk evaluasi, lalu pilih Tinjau. Amazon ML melewati sisa wizard dan membawa Anda ke halaman Ulasan.

  8. Tinjau data Anda, hapus tag yang disalin dari sumber data yang tidak ingin diterapkan pada model dan evaluasi, lalu pilih Selesai.

Membuat Model ML dengan Opsi Kustom

Menyesuaikan model ML Anda memungkinkan Anda untuk:

  • Berikan resep Anda sendiri. Untuk informasi tentang cara menyediakan resep Anda sendiri, lihat Referensi Format Resep.

  • Pilih parameter pelatihan. Untuk informasi selengkapnya tentang parameter pelatihan, lihat Parameter Pelatihan.

  • Pilih rasio pemisahan pelatihan/evaluasi selain rasio 70/30 default atau berikan sumber data lain yang telah Anda siapkan untuk evaluasi. Untuk informasi tentang strategi pemisahan, lihatMemisahkan Data Anda.

Anda juga dapat memilih nilai default untuk salah satu pengaturan ini.

Jika Anda telah membuat model menggunakan opsi default dan ingin meningkatkan kinerja prediktif model Anda, gunakan opsi Kustom untuk membuat model baru dengan beberapa pengaturan yang disesuaikan. Misalnya, Anda dapat menambahkan lebih banyak transformasi fitur ke resep atau menambah jumlah pass dalam parameter pelatihan.

Untuk membuat model dengan opsi khusus

  1. Di konsol Amazon ML, pilih Amazon Machine Learning, lalu pilih model ML.

  2. Pada halaman ringkasan model ML, pilih Buat model ML baru.

  3. Jika Anda telah membuat sumber data, pada halaman Input data, pilih Saya sudah membuat sumber data yang menunjuk ke data S3 saya. Dalam tabel, pilih sumber data Anda, lalu pilih Lanjutkan.

    Jika Anda perlu membuat sumber data, pilih Data saya ada di S3, dan saya perlu membuat sumber data, pilih Lanjutkan. Anda dialihkan ke wizard Create a Datasource. Tentukan apakah data Anda dalam S3 atau Redshift, lalu pilih Verifikasi. Selesaikan prosedur untuk membuat sumber data.

    Setelah Anda membuat sumber data, Anda akan diarahkan ke langkah berikutnya dalam wizard Buat Model ML.

  4. Pada halaman pengaturan model ML, untuk nama model ML, ketikkan nama untuk model ML Anda.

  5. Di Pilih pengaturan pelatihan dan evaluasi, pilih Kustom, lalu pilih Lanjutkan.

  6. Di halaman Resep, Anda bisacustomize a recipe. Jika Anda tidak ingin menyesuaikan resep, Amazon ML menyarankan satu untuk Anda. Pilih Lanjutkan.

  7. Pada halaman Pengaturan lanjutan, tentukan Ukuran model ML Maksimum, Jumlah maksimum data yang lewat, Jenis acak untuk data pelatihan, jenis Regularisasi, dan jumlah Regularisasi. Jika Anda tidak menentukan ini, Amazon ML menggunakan parameter pelatihan default.

    Untuk informasi lebih lanjut tentang parameter ini dan defaultnya, lihat. Parameter Pelatihan

    Pilih Lanjutkan.

  8. Pada halaman Evaluasi, tentukan apakah Anda ingin segera mengevaluasi model ML. Jika Anda tidak ingin mengevaluasi model ML sekarang, pilih Review.

    Jika Anda ingin mengevaluasi model ML sekarang:

    1. Untuk Nama evaluasi ini, ketikkan nama untuk evaluasi.

    2. Untuk Pilih data evaluasi, pilih apakah Anda ingin Amazon ML memesan sebagian data masukan untuk evaluasi dan, jika Anda melakukannya, bagaimana Anda ingin membagi sumber data, atau memilih untuk menyediakan sumber data yang berbeda untuk evaluasi.

    3. Pilih Tinjau.

  9. Pada halaman Tinjauan, edit pilihan Anda, hapus tag yang disalin dari sumber data yang tidak ingin diterapkan pada model dan evaluasi, lalu pilih Selesai.

Setelah Anda membuat model, lihatLangkah 4: Tinjau Kinerja Prediktif Model ML dan Tetapkan Ambang Skor.