Não estamos mais atualizando o serviço Amazon Machine Learning nem aceitando novos usuários para ele. Essa documentação está disponível para usuários existentes, mas não estamos mais atualizando-a. Para obter mais informações, consulte [O que é o Amazon Machine Learning](https://docs.aws.amazon.com/machine-learning/latest/dg/what-is-amazon-machine-learning.html).

As traduções são geradas por tradução automática. Em caso de conflito entre o conteúdo da tradução e da versão original em inglês, a versão em inglês prevalecerá.

# Criar um modelo de ML
<a name="creating-ml-model-on-the-amazon-ml-console"></a>

Depois de criar uma fonte de dados, você está pronto para criar um modelo de ML. Se você usar o console do Amazon Machine Learning para criar um modelo, pode usar as configurações padrão ou personalizar o modelo aplicando opções personalizadas. 

As opções personalizadas incluem:
+ Configurações de avaliação: o Amazon ML pode reservar uma parte dos dados de entrada para avaliar a qualidade preditiva do modelo de ML. Para obter informações sobre avaliações, consulte [Avaliar modelos de ML](https://docs.aws.amazon.com/machine-learning/latest/dg/evaluating_models.html).
+ Uma receita: uma receita informa ao Amazon ML quais atributos e transformações de atributos estão disponíveis para treinamento de modelos. Para obter informações sobre receitas do Amazon ML, consulte [Transformações de recursos com receitas de dados](https://docs.aws.amazon.com/machine-learning/latest/dg/feature-transformations-with-data-recipes.html).
+ Parâmetros de treinamento: os parâmetros controlam determinadas propriedades do processo de treinamento e do modelo de ML resultante. Para obter mais informações sobre parâmetros de treinamento, consulte [Parâmetros de treinamento](https://docs.aws.amazon.com/machine-learning/latest/dg/training-parameters.html).

Para selecionar ou especificar valores para essas configurações, escolha a opção **Custom (Personalizar)** ao usar o assistente Create ML Model (Criar modelo de ML). Se quiser que o Amazon ML aplique as configurações padrão, escolha **Padrão**.

Quando você cria um modelo de ML, o Amazon ML seleciona o tipo de algoritmo de aprendizagem que usará de acordo com o tipo de atributo do atributo de destino. (O atributo de destino é o atributo que contém as respostas "corretas".) Se o atributo de destino for binário, o Amazon ML vai criar um modelo de classificação binária, que usa um algoritmo de regressão logística. Se o atributo de destino é categórico, o Amazon ML cria um modelo de classificação multiclasse, que usa um algoritmo de regressão logística multinomial. Se o atributo de destino é numérico, o Amazon ML cria um modelo de regressão, que usa um algoritmo de regressão linear.

**Topics**
+ [Pré-requisitos](#model-prereqs)
+ [Criar um modelo de ML com opções padrão](#creating-ml-model-using-default-settings)
+ [Criar um modelo de ML com opções personalizadas](#creating-ml-model-using-custom-settings)

## Pré-requisitos
<a name="model-prereqs"></a>

 Antes de usar o console do Amazon ML para criar um modelo de ML, você precisa criar duas fontes de dados: uma para treinar o modelo e outra para avaliá-lo. Se você não tiver criado duas fontes de dados, consulte [Etapa 2: Criar uma fonte de dados de treinamento](step-2-create-a-datasource.md) no tutorial. 

## Criar um modelo de ML com opções padrão
<a name="creating-ml-model-using-default-settings"></a>

Escolha as opções **Padrão** se quiser que o Amazon ML:
+ Divida os dados de entrada para usar os primeiros 70 por cento para treinamento e os 30 por cento restantes para avaliação
+ Sugira uma receita com base nas estatísticas coletadas na fonte de dados de treinamento, que são 70 por cento da fonte de dados de entrada
+ Escolha os parâmetros de treinamento padrão

**Para escolher opções padrão**

1. No console do Amazon ML, escolha **Amazon Machine Learning** e, em seguida, escolha **Modelos de ML**.

1. Na página de resumo **ML models (Modelos de ML)**, escolha **Create a new ML model (Criar um novo modelo de ML)**.

1. Na página **Input data (Dados de entrada)**, selecione **I already created a datasource pointing to my S3 data (Já criei uma fonte de dados para meus dados do S3)**.

1. Na tabela, escolha a fonte de dados e, em seguida, **Continue (Continuar)**.

1. Na página **ML model settings (Configurações do modelo de ML)**, em **ML model name (Nome do modelo de ML)**, digite um nome para o modelo de ML.

1. Em **Training and evaluation settings (Configurações de treinamento e avaliação)**, selecione **Default (Padrão)**. 

1. Em **Nomear esta avaliação**, digite um nome para a avaliação e escolha **Revisar**. O Amazon ML ignora o restante do assistente e apresenta a página **Revisar**.

1. Examine seus dados, exclua todas as tags copiadas da fonte de dados que não deseja aplicar ao modelo e às avaliações e, em seguida, escolha **Finish (Concluir)**.

## Criar um modelo de ML com opções personalizadas
<a name="creating-ml-model-using-custom-settings"></a>

A personalização do modelo de ML permite que você:
+ Forneça a sua própria receita. Para obter mais informações sobre como fornecer sua própria receita, consulte [Referência de formato de receita](https://docs.aws.amazon.com/machine-learning/latest/dg/recipe-format-reference.html).
+ Escolha parâmetros de treinamento. Para obter mais informações sobre parâmetros de treinamento, consulte [Parâmetros de treinamento](https://docs.aws.amazon.com/machine-learning/latest/dg/training-parameters.html).
+ Escolha uma taxa de training/evaluation divisão diferente da proporção padrão de 70/30 ou forneça outra fonte de dados que você já tenha preparado para avaliação. Para obter informações sobre estratégias de divisão, consulte [Dividir dados](splitting-types.md).

Você também pode escolher os valores padrão para qualquer uma dessas configurações.

Se você já tiver criado um modelo usando as opções padrão e desejar melhorar o desempenho preditivo do modelo, use a opção **Custom (Personalizar)** para criar um novo modelo com algumas configurações personalizadas. Por exemplo, você pode adicionar mais transformações de recursos à receita ou aumentar o número de passagens no parâmetro de treinamento.

**Para criar um modelo com opções personalizadas**

1. No console do Amazon ML, escolha **Amazon Machine Learning** e, em seguida, escolha **Modelos de ML**.

1. Na página de resumo **ML models (Modelos de ML)**, escolha **Create a new ML model (Criar um novo modelo de ML)**.

1. Se você já criou uma fonte de dados, na página **Input data (Dados de entrada)**, escolha **I already created a datasource pointing to my S3 data (Já criei um fonte de dados apontando para meus dados do S3)**. Na tabela, escolha a fonte de dados e, em seguida, **Continue (Continuar)**.

   Se você precisar criar uma fonte de dados, escolha **My data is in S3, and I need to create a datasource (Meus dados estão no S3 e preciso criar uma fonte de dados)** e **Continue (Continuar)**. Você será redirecionado para o assistente **Create a Datasource (Criar uma fonte de dados)**. Especifique se os dados estão no **S3** ou no **Redshift** e escolha **Verify (Verificar)**. Conclua o procedimento para criar uma fonte de dados. 

   Depois de criar uma fonte de dados, você é redirecionado para a próxima etapa no assistente **Create ML Model (Criar modelo de ML)**. 

1. Na página **ML model settings (Configurações do modelo de ML)**, em **ML model name (Nome do modelo de ML)**, digite um nome para o modelo de ML.

1. Em **Select training and evaluation settings (Selecionar configurações de treinamento e avaliação)**, escolha **Custom (Personalizar)** e, em seguida, **Continue (Continuar)**.

1. Na página **Recipe (Receita)**, você pode [customize a recipe](recipe-format-reference.md). Caso não deseje personalizar uma receita, o Amazon ML sugere uma para você. Escolha **Continuar**.

1. Na página **Advanced settings (Configurações avançadas)**, especifique **Maximum ML model Size (Tamanho máximo do modelo de ML)**, **Maximum number of data passes (Número máximo de passagens de dados)**, **Shuffle type for training data (Tipo de embaralhamento para dados de treinamento)**, **Regularization type (Tipo de regularização)** e **Regularization amount (Quantidade de regularização)**. Se você não especificar essas opções, o Amazon ML usará os parâmetros de treinamento padrão.

   Para obter mais informações sobre esses parâmetros e seus valores padrão, consulte [Parâmetros de treinamento](training-parameters.md).

   Escolha **Continuar**.

1. Na página **Evaluation (Avaliação)**, especifique se deseja avaliar o modelo de ML imediatamente. Se não desejar avaliar o modelo de ML agora, escolha **Review (Rever)**. 

   Se quiser avaliar o modelo de ML agora:

   1. Em **Name this evaluation (Nomear esta avaliação)**, digite um nome para a avaliação.

   1. Em **Selecionar dados de avaliação**, escolha se deseja que o Amazon ML reserve uma parte dos dados de entrada para avaliação e, se desejar, como quer dividir a fonte de dados ou opte por fornecer uma fonte de dados diferente para avaliação.

   1. Escolha **Revisar**.

1. Na página **Review (Rever)**, edite suas seleções, exclua todas as tags copiadas da fonte de dados que não deseja aplicar ao modelo e às avaliações e, em seguida, escolha **Finish (Concluir)**.

Depois de criar o modelo, consulte [Etapa 4: Analisar o desempenho preditivo do modelo de ML e definir um limite de pontuação](step-4-review-model-and-set-cutoff.md).