Wir aktualisieren den Amazon Machine Learning Learning-Service nicht mehr und akzeptieren auch keine neuen Benutzer mehr dafür. Diese Dokumentation ist für bestehende Benutzer verfügbar, wir aktualisieren sie jedoch nicht mehr. Weitere Informationen finden Sie unter [Was ist Amazon Machine Learning](https://docs.aws.amazon.com/machine-learning/latest/dg/what-is-amazon-machine-learning.html).

Die vorliegende Übersetzung wurde maschinell erstellt. Im Falle eines Konflikts oder eines Widerspruchs zwischen dieser übersetzten Fassung und der englischen Fassung (einschließlich infolge von Verzögerungen bei der Übersetzung) ist die englische Fassung maßgeblich.

# Erstellen eines ML-Modells
<a name="creating-ml-model-on-the-amazon-ml-console"></a>

Nachdem Sie eine Datenquelle erstellt haben, können Sie ein ML-Modell erstellen. Wenn Sie die Amazon Machine Learning Learning-Konsole verwenden, um ein Modell zu erstellen, können Sie wählen, ob Sie die Standardeinstellungen verwenden oder Ihr Modell anpassen möchten, indem Sie benutzerdefinierte Optionen anwenden. 

Zu den benutzerdefinierten Optionen gehören:
+ Bewertungseinstellungen: Sie können festlegen, dass Amazon ML einen Teil der Eingabedaten reserviert, um die Vorhersagequalität des ML-Modells zu bewerten. Weitere Informationen zu Auswertungen finden Sie unter [Evaluation von ML-Modellen](https://docs.aws.amazon.com/machine-learning/latest/dg/evaluating_models.html).
+ Ein Rezept: Ein Rezept teilt Amazon ML mit, welche Attribute und Attributtransformationen für das Modelltraining verfügbar sind. Informationen zu Amazon ML-Rezepten finden Sie unter [Feature-Transformationen mit Datenrezepten](https://docs.aws.amazon.com/machine-learning/latest/dg/feature-transformations-with-data-recipes.html).
+ Schulungsparameter: Parameter steuern bestimmte Eigenschaften des Schulungsprozesses und des resultierenden ML-Modells. Weitere Informationen zu Schulungsparametern finden Sie unter [Schulungsparameter](https://docs.aws.amazon.com/machine-learning/latest/dg/training-parameters.html).

Um Werte für diese Einstellungen auszuwählen oder anzugeben, wählen Sie die Option **Benutzerdefiniert** aus, wenn Sie den Assistenten zum Erstellen des ML-Modells verwenden. Wenn Sie möchten, dass Amazon ML die Standardeinstellungen anwendet, wählen Sie **Standard**.

Wenn Sie ein ML-Modell erstellen, wählt Amazon ML den Typ des Lernalgorithmus, den es verwenden wird, basierend auf dem Attributtyp Ihres Zielattributs aus. (Das Zielattribut ist das Attribut, das die "richtigen" Antworten enthält.) Wenn Ihr Zielattribut Binär ist, erstellt Amazon ML ein binäres Klassifizierungsmodell, das den logistischen Regressionsalgorithmus verwendet. Wenn Ihr Zielattribut „Kategorisch“ ist, erstellt Amazon ML ein Mehrklassenmodell, das einen multinomialen logistischen Regressionsalgorithmus verwendet. Wenn Ihr Zielattribut Numerisch ist, erstellt Amazon ML ein Regressionsmodell, das einen linearen Regressionsalgorithmus verwendet.

**Topics**
+ [Voraussetzungen](#model-prereqs)
+ [Erstellen eines ML-Modells mit Standardoptionen](#creating-ml-model-using-default-settings)
+ [Erstellen eines ML-Modells mit benutzerdefinierten Optionen](#creating-ml-model-using-custom-settings)

## Voraussetzungen
<a name="model-prereqs"></a>

 Bevor Sie mit der Amazon ML-Konsole ein ML-Modell erstellen können, müssen Sie zwei Datenquellen erstellen, eine für das Training des Modells und eine für die Auswertung des Modells. Wenn Sie nicht zwei Datenquellen erstellt haben, lesen Sie [Schritt 2: Erstellen einer Schulungsdatenquelle](step-2-create-a-datasource.md) im Tutorial. 

## Erstellen eines ML-Modells mit Standardoptionen
<a name="creating-ml-model-using-default-settings"></a>

Wählen Sie die **Standardoptionen**, wenn Amazon ML:
+ Aufteilen der Eingabedaten so, dass die ersten 70 Prozent für die Schulung und die verbleibenden 30 Prozent für die Auswertung verwendet werden
+ Vorschlagen eines Rezeptes basierend auf Statistiken, die in der Schulungsdatenbank erfasst wurden, was 70 Prozent der Eingabedatenbank entspricht.
+ Auswählen der Standardschulungsparameter

**So wählen Sie Standardoptionen aus**

1. Wählen Sie in der Amazon ML-Konsole **Amazon Machine Learning** und dann **ML-Modelle** aus.

1. Wählen Sie auf der Zusammenfassungsseite der **ML-Modelle** die Option zum **Erstellen eines neuen ML-Modells** aus.

1. Stellen Sie auf der Seite mit den**Eingabedaten** sicher, dass die Option ausgewählt ist, dass Sie**bereits eine Datenquelle erstellt haben, die auf Ihre S3-Daten zeigt**.

1. Wählen Sie in der Tabelle Ihre Datenquelle aus, und wählen Sie dann **Continue** aus.

1. Geben Sie auf der Seite **ML-Modelleinstellungen** für **ML-Modellname** einen Namen für Ihr ML-Modell ein.

1. Stellen Sie sicher, dass in den **Schulungs- und Auswertungseinstellungen** die Option **Standard** ausgewählt ist. 

1. Geben Sie **unter Diese Bewertung** benennen einen Namen für die Bewertung ein und wählen Sie dann **Überprüfen** aus. Amazon ML umgeht den Rest des Assistenten und leitet Sie zur **Bewertungsseite weiter**.

1. Überprüfen Sie Ihre Daten, löschen Sie alle aus der Datenquelle kopierten Tags, die nicht auf Ihr Modell und die Auswertungen angewendet werden sollen, und wählen Sie dann **Finish** aus.

## Erstellen eines ML-Modells mit benutzerdefinierten Optionen
<a name="creating-ml-model-using-custom-settings"></a>

Durch Anpassen Ihres ML-Modells können Sie:
+ Ihr eigenes Rezept bereitstellen. Weitere Informationen dazu, wie Sie Ihre eigenes Rezept bereitstellen, finden Sie unter [Referenz zum Rezeptformat](https://docs.aws.amazon.com/machine-learning/latest/dg/recipe-format-reference.html).
+ Wählen Sie Schulungsparameter aus. Weitere Informationen zu Schulungsparametern finden Sie unter [Schulungsparameter](https://docs.aws.amazon.com/machine-learning/latest/dg/training-parameters.html).
+ Wählen Sie ein anderes training/evaluation Aufteilungsverhältnis als das standardmäßige Verhältnis 70/30 oder geben Sie eine andere Datenquelle an, die Sie bereits für die Evaluierung vorbereitet haben. Weitere Informationen über Aufteilungsstrategien finden Sie unter [Aufteilen Ihrer Daten](splitting-types.md).

Sie können auch die Standardwerte für diese Einstellungen auswählen.

Wenn Sie bereits ein Modell mithilfe der Standardoptionen erstellt haben und die prädiktive Leistung Ihres Modells verbessern möchten, verwenden Sie die **Option**, um ein neues Modell mit einigen benutzerdefinierten Einstellungen zu erstellen. Vielleicht möchten Sie weitere Funktionstransformationen zu dem Rezept hinzufügen oder die Anzahl von Durchläufen im Schulungsparameter erhöhen.

**So erstellen Sie ein Modell mit benutzerdefinierten Optionen**

1. Wählen Sie in der Amazon ML-Konsole **Amazon Machine Learning** und dann **ML-Modelle** aus.

1. Wählen Sie auf der Zusammenfassungsseite der **ML-Modelle** die Option zum **Erstellen eines neuen ML-Modells** aus.

1. Wenn Sie bereits eine Datenquelle erstellt haben, wählen Sie auf der Seite **Input Data** die Option **I already created a datasource pointing to my S3 data** aus. Wählen Sie in der Tabelle Ihre Datenquelle aus, und wählen Sie dann **Continue** aus.

   Wenn Sie eine Datenquelle erstellen müssen, wählen Sie **My data is in S3, and I need to create a datasource** aus, und wählen Sie dann **Continue (Weiter)**. Sie werden zum Assistenten zum **Erstellen einer Datenquelle** weitergeleitet. Geben Sie an, ob sich Ihre Daten in **S3** oder **Redshift** befinden, und klicken Sie anschließend auf **Verify**. Führen Sie die Schritte zum Erstellen einer Datenquelle aus. 

   Nachdem Sie eine Datenquelle erstellt haben, werden Sie automatisch zum nächsten Schritt im Assistenten zum **Erstellen eines ML-Modells** weitergeleitet. 

1. Geben Sie auf der Seite **ML-Modelleinstellungen** für **ML-Modellname** einen Namen für Ihr ML-Modell ein.

1. Wählen Sie unter **Schulungs- und Auswertungseinstellungen** die Option**Benutzerdefiniert** aus, und klicken Sie dann auf **Continue**.

1. Auf der Seite **Rezept** können Sie [customize a recipe](recipe-format-reference.md). Wenn Sie ein Rezept nicht anpassen möchten, schlägt Ihnen Amazon ML eines vor. Klicken Sie auf **Weiter**.

1. Geben Sie auf der Seite **Erweiterte Einstellungen** die **maximale Größe des ML-Modells**, die **maximale Anzahl von Datendurchläufen**, die **Mischungsart für Schulungsdaten**, den **Regularisationstyp** sowie den **Regularisationsumfang** an. Wenn Sie diese nicht angeben, verwendet Amazon ML die Standard-Trainingsparameter.

   Weitere Informationen zu diesen Parametern und ihren Standardwerten finden Sie unter [Schulungsparameter](training-parameters.md).

   Klicken Sie auf **Weiter**.

1. Geben Sie auf der **Auswertung** an, ob das ML-Modell sofort ausgewertet werden soll. Wenn das ML-Modell nicht jetzt ausgewertet werden soll, wählen Sie **Review** aus. 

   Wenn das ML-Modell jetzt ausgewertet werden soll:

   1. Geben Sie unter **Diese Auswertung benennen** einen Namen für die Auswertung ein.

   1. **Wählen Sie unter Bewertungsdaten** auswählen aus, ob Amazon ML einen Teil der Eingabedaten für die Auswertung reservieren soll und, falls ja, wie Sie die Datenquelle aufteilen möchten, oder ob Sie eine andere Datenquelle für die Auswertung bereitstellen möchten.

   1. Wählen Sie **Überprüfen** aus.

1. Bearbeiten Sie auf der Seite **Review** Ihre Auswahl, löschen Sie alle aus der Datenquelle kopierten Tags, die nicht auf Ihr Modell und die Auswertungen angewendet werden sollen, und wählen Sie dann **Finish**.

Lesen Sie [Schritt 4: Überprüfen der Voraussageleistung des ML-Modells und Festlegen eines Punktzahlschwellenwerts](step-4-review-model-and-set-cutoff.md), nachdem Sie das Modell erstellt haben.