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 2. Creare un'origine dati di addestramento Dopo aver caricato il `banking.csv` set di dati nella tua posizione Amazon Simple Storage Service (Amazon S3), lo usi per creare un'origine dati di formazione. Un'origine dati è un oggetto Amazon Machine Learning (Amazon ML) che contiene la posizione dei dati di input e metadati importanti sui dati di input. Amazon ML utilizza l'origine dati per operazioni come la formazione e la valutazione di modelli ML. Per creare un'origine dati, è necessario fornire quanto segue: + Ubicazione dei dati in Amazon S3 e autorizzazione ad accedere ai dati + Lo schema, che include i nomi degli attributi dei dati e il tipo di ogni attributo (Numeric, Text, Categorical o Binary) + Il nome dell'attributo che contiene la risposta che vuoi che Amazon ML impari a prevedere, l'attributo target **Nota** Nell'origine dati non vengono memorizzati i dati, ma solo i riferimenti ad essi. Evita di spostare o modificare i file archiviati in Amazon S3. Se li sposti o li modifichi, Amazon ML non può accedervi per creare un modello di machine learning, generare valutazioni o generare previsioni. **Per creare un'origine dati di addestramento** 1. Apri la console Amazon Machine Learning all'indirizzo [https://console.aws.amazon.com/machinelearning/](https://console.aws.amazon.com/machinelearning/). 1. Scegli **Avvia**. **Nota** Questo tutorial presuppone che sia la prima volta che utilizzi Amazon ML. Se hai già utilizzato Amazon ML, puoi utilizzare il comando **Crea nuovo...** elenco a discesa nella dashboard di Amazon ML per creare una nuova origine dati. 1. Nella pagina Guida **introduttiva ad Amazon Machine Learning**, scegli **Launch**. ![\[Amazon Machine Learning interface with "Launch" button highlighted for standard setup.\]](http://docs.aws.amazon.com/it_it/machine-learning/latest/dg/images/get-started-launch.png) 1. Nella pagina **Input Data (Dati di input)**, per **Where is your data located? (Dove si trovano i tuoi dati?)**, assicurarsi che sia stato selezionato **S3**. ![\[Radio button selection between S3 and Redshift options, with S3 selected.\]](http://docs.aws.amazon.com/it_it/machine-learning/latest/dg/images/image5.png) 1. Per **S3 Location (Posizione S3)**, digitare il percorso completo del file `banking.csv ` della Fase 1. Preparare i dati. Ad esempio: *your-bucket***/banking.csv**. Amazon ML aggiunge s3://al tuo nome del bucket. 1. Per **Datasource name (Nome origine dati)**, digitare **Banking Data 1**. ![\[S3 location input field and Datasource name field for entering banking data information.\]](http://docs.aws.amazon.com/it_it/machine-learning/latest/dg/images/image6.png) 1. Selezionare **Verify (Verifica)**. 1. Nella finestra di dialogo **S3 permissions (Autorizzazioni S3)**, scegliere **Yes (Sì)**. ![\[Dialog box asking to grant Amazon Machine Learning read permission for S3 location.\]](http://docs.aws.amazon.com/it_it/machine-learning/latest/dg/images/image7.png) 1. Se Amazon ML è in grado di accedere e leggere il file di dati nella posizione S3, verrà visualizzata una pagina simile alla seguente. Verificare le proprietà e scegliere **Continue (Continua)**. ![\[Validation success message with datasource details including name, location, and file information.\]](http://docs.aws.amazon.com/it_it/machine-learning/latest/dg/images/image8.png) Dopo occorre stabilire uno schema. Uno *schema* è l'informazione di cui Amazon ML ha bisogno per interpretare i dati di input per un modello ML, inclusi i nomi degli attributi e i tipi di dati assegnati e i nomi degli attributi speciali. Esistono due modi per fornire ad Amazon ML uno schema: + Fornisci un file di schema separato quando carichi i dati di Amazon S3. + Consenti ad Amazon ML di dedurre i tipi di attributi e creare uno schema per te. In questo tutorial, chiederemo ad Amazon ML di dedurre lo schema. Per informazioni sulla creazione di un file di schema separato, consultare [Creazione di uno schema di dati per Amazon ML](creating-a-data-schema-for-amazon-ml.md). **Per consentire ad Amazon ML di dedurre lo schema** 1. Nella pagina **Schema**, Amazon ML mostra lo schema che ha dedotto. Esamina i tipi di dati che Amazon ML ha dedotto per gli attributi. È importante che agli attributi venga assegnato il tipo di dati corretto per consentire ad Amazon ML di assimilare correttamente i dati e consentire la corretta elaborazione delle funzionalità sugli attributi. + Gli attributi che hanno solo due stati possibili, come ad esempio sì o no, devono essere contrassegnati come **Binary (Binario)**. + Gli attributi che sono numeri o stringhe utilizzati per denotare una categoria devono essere contrassegnati come **Categorical (Categorico)**. + Gli attributi che sono quantità numeriche per le quali l'ordine è significativo devono essere contrassegnati come **Numeric (Numerico)**. + Gli attributi che sono stringhe che si desidera trattare come parole delimitate da spazi devono essere contrassegnati come **Text (Testo)**. ![\[Data table showing fields like age, campaign, and contact with their data types and sample values.\]](http://docs.aws.amazon.com/it_it/machine-learning/latest/dg/images/image10.png) 1. In questo tutorial, Amazon ML ha identificato correttamente i tipi di dati per tutti gli attributi, quindi scegli **Continua**. Quindi, selezionare un attributo di destinazione. Ricordare che la destinazione è l'attributo che il modello ML deve imparare a prevedere. L'attributo **y** indica se un singolo ha aderito a una campagna in passato: 1 (sì) o 0 (no). **Nota** Scegliere un attributo di destinazione solo se si utilizza l'origine dati per l'addestramento e la valutazione di modelli ML. **Per selezionare y come attributo di destinazione** 1. In basso a destra nella tabella, scegliere la freccia singola per passare all'ultima pagina della tabella, dove è visualizzato l'attributo denominato `y`. ![\[Navigation buttons for a paginated table, with the last page arrow highlighted.\]](http://docs.aws.amazon.com/it_it/machine-learning/latest/dg/images/image11.png) 1. Nella colonna **Target (Destinazione)**, selezionare `y`. ![\[Checkbox in Target column next to variable 'y' with Binary data type.\]](http://docs.aws.amazon.com/it_it/machine-learning/latest/dg/images/image12.png) Amazon ML conferma che **y** è selezionato come obiettivo. 1. Scegli **Continua**. 1. Nella pagina **Row ID (ID riga)** per **Does your data contain an identifier? (I dati contengono un identificatore?)**, assicurarsi che sia selezionata l'impostazione predefinita **No**. 1. Selezionare **Review (Rivedi)**, quindi **Continue (Continua)**. Ora che si dispone di un'origine dati di addestramento, è possibile [creare il proprio modello](step-3-create-an-ml-model.md).