Non aggiorniamo più il servizio Amazon Machine Learning né accettiamo nuovi utenti. Questa documentazione è disponibile per gli utenti esistenti, ma non la aggiorniamo più. Per ulteriori informazioni, consulta [Cos'è Amazon Machine Learning](https://docs.aws.amazon.com/machine-learning/latest/dg/what-is-amazon-machine-learning.html). Le traduzioni sono generate tramite traduzione automatica. In caso di conflitto tra il contenuto di una traduzione e la versione originale in Inglese, quest'ultima prevarrà. # Fase 1. Preparare i dati Nel machine learning, in genere è possibile ottenere i dati e assicurarsi che siano correttamente formattati prima di avviare il processo di addestramento. Ai fini di questo tutorial, abbiamo ottenuto un set di dati di esempio dall'[UCI Machine Learning Repository](http://archive.ics.uci.edu/ml/), lo abbiamo formattato per renderlo conforme alle linee guida di Amazon ML e lo abbiamo reso disponibile per il download. Scarica il set di dati dalla nostra posizione di archiviazione Amazon Simple Storage Service (Amazon S3) e caricalo nel tuo bucket S3 seguendo le procedure riportate in questo argomento. Per i requisiti di formattazione di Amazon ML, consulta[Comprendere il formato dei dati per Amazon ML](understanding-the-data-format-for-amazon-ml.md). **Per scaricare i set di dati** 1. Scaricare il file che contiene i dati cronologici dei clienti che hanno acquistato prodotti simili al deposito bancario a termine facendo clic su [banking.zip](samples/banking.zip). Decomprimere la cartella e salvare il file banking.csv sul computer. 1. Scarica il file che userai per prevedere se i potenziali clienti risponderanno alla tua offerta facendo clic su [banking-batch.zip](samples/banking-batch.zip). Decomprimere la cartella e salvare il file banking-batch.csv sul computer. 1. Aprire `banking.csv`. Verranno visualizzate righe e colonne di dati. La *riga di intestazione* contiene i nomi degli attributi di ogni colonna. Un *attributo* è una proprietà denominata in modo univoco che descrive una determinata caratteristica di ciascun cliente; ad esempio, nr\$1employed indica lo stato lavorativo del cliente. Ogni riga rappresenta la raccolta delle osservazioni relative a un singolo cliente. ![\[Spreadsheet preview showing header row with columns for euribor3m, nr_employed, and y.\]](http://docs.aws.amazon.com/it_it/machine-learning/latest/dg/images/image1.png) Si vuole che il modello ML risponda alla domanda "Il cliente effettuerà la sottoscrizione al mio nuovo prodotto?". Nel set di dati `banking.csv`, la risposta a questa domanda è l'attributo **y**, che contiene i valori 1 (per sì) o 0 (per no). L'attributo che vuoi che Amazon ML impari a prevedere è noto come *attributo target*. **Nota** L'attributo **y** è un attributo binario. Può contenere solo uno di due valori, in questo caso 0 o 1. Nel set di dati UCI originale, l'attributo **y** è Sì o No. Abbiamo modificato il set di dati originale per l'utente. Tutti i valori dell'attributo **y** che significano sì sono ora 1 e tutti i valori che significano no sono ora 0. Se si utilizzano propri dati, è possibile impiegare altri valori per un attributo binario. Per ulteriori informazioni sui valori validi, consultare [Utilizzo del campo AttributeType](creating-a-data-schema-for-amazon-ml.md#assigning-data-types). I seguenti esempi mostrano i dati prima e dopo la modifica dei valori dell'attributo **y** in attributi binari 0 e 1. ![\[Data table showing 'banking.csv' with columns for 'euribor3m', 'nr_employed', and binary 'y' values.\]](http://docs.aws.amazon.com/it_it/machine-learning/latest/dg/images/image2.png) ![\[Partial view of a CSV file showing banking data with columns for euribor3m, nr_employed, and y.\]](http://docs.aws.amazon.com/it_it/machine-learning/latest/dg/images/image3.png) Il file `banking-batch.csv` non contiene l'attributo **y**. Dopo aver creato un modello ML, si utilizzerà il modello per prevedere **y** per ciascun record di quel file. Quindi, carica i `banking-batch.csv` file `banking.csv ` and su Amazon S3. **Per caricare i file su una posizione Amazon S3** 1. Accedi a Console di gestione AWS e apri la console Amazon S3 all'indirizzo. [https://console.aws.amazon.com/s3/](https://console.aws.amazon.com/s3/) 1. Nell'elenco **All Buckets (Tutti i bucket)**, creare un bucket o scegliere il percorso in cui si vogliono caricare i file. 1. Nella barra di navigazione, scegliere **Upload (Carica)**. 1. Seleziona **Aggiungi file**. 1. Nella finestra di dialogo, passare al desktop, scegliere `banking.csv` e `banking-batch.csv`, quindi **Open (Apri)**. Ora è possibile [creare la propria origine dati di addestramento](step-2-create-a-datasource.md).