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.
# Utilisation du modèle pour effectuer des prédictions
Maintenant que vous avez un modèle d'apprentissage-machine performant, vous allez l'utiliser pour effectuer des prédictions. Dans Amazon Machine Learning, il existe deux manières d'utiliser un modèle pour effectuer des prédictions :
# Prédictions par lots
La prédiction par lots est utile lorsque vous souhaitez générer des prédictions pour un ensemble d'observations à la fois, puis entreprendre une action sur un certain pourcentage ou nombre d'observations. En règle générale, une telle application ne nécessite pas une faible latence. Par exemple, lorsque vous voulez décider quels clients cibler dans le cadre d'une campagne de publicité pour un produit, vous obtenez des scores de prédiction pour tous les clients, triez les prédictions de votre modèle pour identifier les clients qui ont le plus de chances d'acheter le produit, puis ciblez éventuellement la tranche supérieure de 5 % de ces clients.
# Prédictions en ligne
Les scénarios de prédiction en ligne sont destinés aux cas où vous souhaitez générer des prédictions sur one-by-one la base de chaque exemple indépendamment des autres exemples, dans un environnement à faible latence. Par exemple, vous pouvez utiliser des prédictions pour décider immédiatement si une transaction donnée correspond probablement à une transaction frauduleuse.