翻訳は機械翻訳により提供されています。提供された翻訳内容と英語版の間で齟齬、不一致または矛盾がある場合、英語版が優先します。

# トレーニングデータをダウンロード、準備、アップロードする
<a name="automatic-model-tuning-ex-data"></a>

この例では、銀行の顧客に関する情報のトレーニングデータセットを使用します。これには、顧客の仕事、配偶者の有無、および銀行のダイレクトマーケティングキャンペーン中の連絡方法が含まれます。ハイパーパラメータチューニングジョブにデータセットを使うには、データセットをダウンロードし、データを変換してから、Amazon S3 バケットにアップロードします。

データセットとこの例で実行されるデータ変換の詳細については、お使いのノートブックインスタンスの **[SageMaker AI サンプル]** タブの **[ハイパーパラメータチューニング]** セクションにある *hpo\_xgboost\_direct\_marketing\_sagemaker\_APIs* ノートブックを参照してください。

## トレーニングデータセットをダウンロードして調べる
<a name="automatic-model-tuning-ex-data-download"></a>

データセットをダウンロードして調べるには、ノートブックで次のコードを実行します。

```
!wget -N https://archive.ics.uci.edu/ml/machine-learning-databases/00222/bank-additional.zip
!unzip -o bank-additional.zip
data = pd.read_csv('./bank-additional/bank-additional-full.csv', sep=';')
pd.set_option('display.max_columns', 500)     # Make sure we can see all of the columns
pd.set_option('display.max_rows', 5)         # Keep the output on one page
data
```

## データを準備してアップロードする
<a name="automatic-model-tuning-ex-data-transform"></a>

ハイパーパラメータ調整ジョブを作成する前に、データを準備して、ハイパーパラメータ調整ジョブからアクセスできる S3 バケットにアップロードしてください。

ノートブックで次のコードを実行します。

```
data['no_previous_contact'] = np.where(data['pdays'] == 999, 1, 0)                                 # Indicator variable to capture when pdays takes a value of 999
data['not_working'] = np.where(np.in1d(data['job'], ['student', 'retired', 'unemployed']), 1, 0)   # Indicator for individuals not actively employed
model_data = pd.get_dummies(data)                                                                  # Convert categorical variables to sets of indicators
model_data
model_data = model_data.drop(['duration', 'emp.var.rate', 'cons.price.idx', 'cons.conf.idx', 'euribor3m', 'nr.employed'], axis=1)

train_data, validation_data, test_data = np.split(model_data.sample(frac=1, random_state=1729), [int(0.7 * len(model_data)), int(0.9*len(model_data))])

pd.concat([train_data['y_yes'], train_data.drop(['y_no', 'y_yes'], axis=1)], axis=1).to_csv('train.csv', index=False, header=False)
pd.concat([validation_data['y_yes'], validation_data.drop(['y_no', 'y_yes'], axis=1)], axis=1).to_csv('validation.csv', index=False, header=False)
pd.concat([test_data['y_yes'], test_data.drop(['y_no', 'y_yes'], axis=1)], axis=1).to_csv('test.csv', index=False, header=False)

boto3.Session().resource('s3').Bucket(bucket).Object(os.path.join(prefix, 'train/train.csv')).upload_file('train.csv')
boto3.Session().resource('s3').Bucket(bucket).Object(os.path.join(prefix, 'validation/validation.csv')).upload_file('validation.csv')
```

## 次のステップ
<a name="automatic-model-tuning-ex-next-tuning-job"></a>

[ハイパーパラメータ調整ジョブを設定して開始する](automatic-model-tuning-ex-tuning-job.md)