Nous ne mettons plus à jour le service Amazon Machine Learning et n'acceptons plus de nouveaux utilisateurs pour celui-ci. Cette documentation est disponible pour les utilisateurs existants, mais nous ne la mettons plus à jour. Pour plus d'informations, consultez [Qu'est-ce qu'Amazon Machine Learning](https://docs.aws.amazon.com/machine-learning/latest/dg/what-is-amazon-machine-learning.html) ? Les traductions sont fournies par des outils de traduction automatique. En cas de conflit entre le contenu d'une traduction et celui de la version originale en anglais, la version anglaise prévaudra. # Etape 1 : Préparation de vos données Dans le cadre de l'apprentissage-machine, vous obtenez généralement les données et veillez à ce qu'elles soient formatées convenablement avant de commencer le processus de formation. Dans le cadre de ce didacticiel, nous avons obtenu un exemple de jeu de données à partir du [référentiel UCI Machine Learning](http://archive.ics.uci.edu/ml/), nous l'avons formaté conformément aux directives d'Amazon ML et l'avons mis à votre disposition pour téléchargement. Téléchargez le jeu de données depuis notre emplacement de stockage Amazon Simple Storage Service (Amazon S3) et chargez-le dans votre propre compartiment S3 en suivant les procédures décrites dans cette rubrique. Pour connaître les exigences de mise en forme d'Amazon ML, consultez[Comprendre le format de données pour Amazon ML](understanding-the-data-format-for-amazon-ml.md). **Pour télécharger les jeux de données** 1. Téléchargez le fichier qui contient les données d'historique des clients qui ont acheté des produits similaires à votre dépôt bancaire à terme en cliquant sur [banking.zip](samples/banking.zip). Décompressez le dossier et enregistrez le fichier banking.csv sur votre ordinateur. 1. Téléchargez le fichier que vous utiliserez pour prédire si des clients potentiels vont répondre à votre offre en cliquant sur [banking-batch.zip](samples/banking-batch.zip). Décompressez le dossier et enregistrez le fichier banking-batch.csv sur votre ordinateur. 1. Ouvrir `banking.csv`. Vous verrez des lignes et des colonnes de données. La *ligne d'en-tête* contient les noms des attributs des différentes colonnes. Un *attribut* est une propriété nommée unique qui décrit une caractéristique particulière de chaque client ; par exemple, nr\_employed indique l'état professionnel du client. Chaque ligne représente la collection des observations relatives à un client individuel. ![Fichier CSV montrant la ligne d'en-tête avec les noms de colonne euribor3m, nr_employed et y au-dessus des lignes de données.](http://docs.aws.amazon.com/fr_fr/machine-learning/latest/dg/images/image1.png) Vous souhaitez que votre modèle d'apprentissage-machine réponde à la question « Ce client optera-t-il pour mon nouveau produit ? ». Dans le jeu de données `banking.csv`, la réponse à cette question est l'attribut **y**, qui contient la valeur 1 (pour oui) ou 0 (pour non). L'attribut que vous souhaitez qu'Amazon ML apprenne à prévoir est appelé *attribut cible*. **Note** L'attribut **y** est un attribut binaire. Il peut contenir uniquement deux valeurs, dans ce cas, 0 ou 1. Dans le jeu de données UCI d'origine, l'attribut **y** a pour valeur Yes (Oui) ou No (Non). Nous avons modifié le jeu de données d'origine pour vous. Toutes les valeurs de l'attribut **y** qui signifient Oui sont désormais 1, et toutes les valeurs qui signifient Non sont désormais 0. Si vous utilisez vos propres données, vous pouvez utiliser d'autres valeurs pour un attribut binaire. Pour plus d'informations sur les valeurs valides, consultez [Utilisation du AttributeType terrain](creating-a-data-schema-for-amazon-ml.md#assigning-data-types). Les exemples suivants montrent les données avant et après que nous avons remplacé les valeurs de l'attribut **y** par les attributs binaires 0 et 1. ![Fichier CSV montrant les colonnes euribor3m et nr_employed avec des valeurs y transformées de à. yes/no 1/0](http://docs.aws.amazon.com/fr_fr/machine-learning/latest/dg/images/image2.png) ![Transformation de données montrant le fichier banking.csv avec les colonnes euribor3m, nr_employed et y affichées.](http://docs.aws.amazon.com/fr_fr/machine-learning/latest/dg/images/image3.png) Le fichier `banking-batch.csv` ne contient pas l'attribut **y**. Une fois que vous aurez créé un modèle d'apprentissage-machine, vous allez l'utiliser pour prédire **y** pour chaque enregistrement dans ce fichier. Ensuite, chargez les `banking-batch.csv` fichiers `banking.csv ` et sur Amazon S3. **Pour télécharger les fichiers vers un emplacement Amazon S3** 1. Connectez-vous à la console Amazon S3 AWS Management Console et ouvrez-la à l'adresse [https://console.aws.amazon.com/s3/](https://console.aws.amazon.com/s3/). 1. Dans la liste **Tous les compartiments**, créez un compartiment ou choisissez l'emplacement où vous voulez charger les fichiers. 1. Dans la barre de navigation, choisissez **Charger**. 1. Choisissez **Add Files (Ajouter des fichiers)**. 1. Dans la boîte de dialogue, accédez à votre bureau, choisissez `banking.csv` et `banking-batch.csv`, puis choisissez **Ouvrir**. Vous êtes maintenant prêt à [créer votre source de données de formation](step-2-create-a-datasource.md).