我们不再更新 Amazon Machine Learning 服务，也不再接受新用户使用该服务。本文档可供现有用户使用，但我们不会再对其进行更新。有关更多信息，请参阅[什么是 Amazon Machine Learning](https://docs.aws.amazon.com/machine-learning/latest/dg/what-is-amazon-machine-learning.html)。

本文属于机器翻译版本。若本译文内容与英语原文存在差异，则一律以英文原文为准。

# Amazon Machine Learning 流程
<a name="the-machine-learning-process"></a>

下表描述了如何使用 Amazon ML 控制台执行本文档中概述的 ML 流程。


****  

| ML 流程 | Amazon ML 任务 | 
| --- | --- | 
| 分析您的数据 | 要在 Amazon ML 中分析您的数据，请创建数据源并查看数据洞察页面。 | 
| 将数据拆分为训练数据源和评估数据源 |  Amazon ML 可以拆分数据源以将 70% 的数据用于模型训练，将 30% 的数据用于评估模型的预测性能。 在您使用“创建机器学习模型”向导和默认设置时，Amazon ML 会为您拆分数据。 如果您使用“创建机器学习模型”向导以及自定义设置，并且选择评估 ML 模型，您会看到一个选项，该选项允许 Amazon ML 为您拆分数据并对 30% 的数据运行评估。  | 
| 将训练数据乱序化 |  在您使用“创建机器学习模型”向导和默认设置时，Amazon ML 为您乱序数据。您也可以在将数据导入 Amazon ML 之前将其乱序。  | 
| 处理特征 |  将训练数据一起置入优化格式用于学习和归纳的处理称为特征转换。在您使用“创建机器学习模型”向导和默认设置时，Amazon ML 将推荐您数据的特征处理设置。 要指定特征处理设置，请使用“创建 ML 模型”向导的**自定义**选项并提供特征处理配方。 | 
| 训练模型 | 使用“创建机器学习模型”向导在 Amazon ML 中创建模型时，Amazon ML 会训练您的模型。 | 
| 选择模型参数 | 在 Amazon ML 中，您可以优化影响模型预测性能的四个参数：模型大小，扫描次数，乱序类型以及正则化。在使用“创建 ML 模型”向导创建 ML 模型并选择**自定义**选项时，您可以设置这些参数。 | 
| 评估模型性能 | 使用“Create Evaluation”向导可评估您模型的预测性能。 | 
| 特征选择 | Amazon ML 学习算法可以删除对学习过程没有多大帮助的特征。要指示您希望删除这些特征，请在创建 ML 模型时选择 `L1 regularization` 参数。 | 
| 为预测精度设置分数阈值 | 检查评估报告中不同分数阈值下模型的预测性能，然后根据您的业务应用设置分数阈值。分数阈值确定模型如何定义预测匹配。调整数字以控制错误肯定和错误否定。 | 
| 使用模型 |  使用您的模型，通过“Create Batch Prediction”向导获取一批观察的预测。 或者，使用 `Predict` API 启用 ML 模型来处理实时预测，按需获得个别观察的预测。 |