我們不再更新 Amazon Machine Learning 服務或接受新使用者。本文件可供現有使用者使用，但我們不再更新。如需詳細資訊，請參閱[什麼是 Amazon Machine Learning](https://docs.aws.amazon.com/machine-learning/latest/dg/what-is-amazon-machine-learning.html)。

本文為英文版的機器翻譯版本，如內容有任何歧義或不一致之處，概以英文版為準。

# 步驟 2：建立訓練資料來源
<a name="step-2-create-a-datasource"></a>

將`banking.csv`資料集上傳到 Amazon Simple Storage Service (Amazon S3) 位置後，您可以使用它來建立訓練資料來源。資料來源是 Amazon Machine Learning (Amazon ML) 物件，其中包含輸入資料的位置和輸入資料的重要中繼資料。Amazon ML 會將資料來源用於 ML 模型訓練和評估等操作。

若要建立資料來源，請提供下列項目：
+  資料的 Amazon S3 位置和存取資料的許可 
+  結構描述，包含資料中的屬性名稱及各屬性的類型 (數字、文字、分類或二元) 
+  屬性的名稱，其中包含您希望 Amazon ML 學習預測的答案，即目標屬性 

**注意**  
資料來源並不會實際地存放您的資料，只是參考該資料而已。避免移動或變更存放在 Amazon S3 中的檔案。如果您確實移動或變更它們，Amazon ML 無法存取它們來建立 ML 模型、產生評估或產生預測。

**建立訓練資料來源**

1. 開啟位於 https：//[https://console.aws.amazon.com/machinelearning/](https://console.aws.amazon.com/machinelearning/) 的 Amazon Machine Learning 主控台。

1.  選擇**開始使用**。
**注意**  
本教學假設這是您第一次使用 Amazon ML。如果您之前已使用 Amazon ML，則可以使用 Amazon ML 儀表板上的**建立新的...**下拉式清單來建立新的資料來源。

1. 在**開始使用 Amazon Machine Learning** 頁面上，選擇**啟動**。  
![](http://docs.aws.amazon.com/zh_tw/machine-learning/latest/dg/images/get-started-launch.png)

1. 在 **Input Data (輸入資料)** 頁面上，確定 **Where is your data located? (您的資料在哪個位置？)** 已選取 **S3**。  
![](http://docs.aws.amazon.com/zh_tw/machine-learning/latest/dg/images/image5.png)

1. 為 **S3 Location (S3 位置)** 輸入「步驟 1：準備資料」中 `banking.csv ` 檔案的完整位置。例如：{{your-bucket}}**/banking.csv**。Amazon ML 會在儲存貯體名稱前面加上 s3：//。

1. 針對 **Datasource name (資料來源名稱)**​ 輸入 **Banking Data 1**。  
![](http://docs.aws.amazon.com/zh_tw/machine-learning/latest/dg/images/image6.png)

1. 選擇 **Verify (驗證)**。

1. 在 **S3 permissions (S3 許可)** 對話方塊中，選擇 **Yes (是)**。  
![](http://docs.aws.amazon.com/zh_tw/machine-learning/latest/dg/images/image7.png)

1.  如果 Amazon ML 可以存取和讀取 S3 位置的資料檔案，您會看到類似以下的頁面。檢閱屬性，然後選擇 **Continue (繼續)**。  
![](http://docs.aws.amazon.com/zh_tw/machine-learning/latest/dg/images/image8.png)

接著，您要建立結構描述。*結構描述*是 Amazon ML 解譯 ML 模型輸入資料所需的資訊，包括屬性名稱及其指派的資料類型，以及特殊屬性的名稱。提供 Amazon ML 結構描述的方式有兩種：
+  當您上傳 Amazon S3 資料時，請提供個別的結構描述檔案。
+  允許 Amazon ML 推斷屬性類型並為您建立結構描述。

在本教學課程中，我們會要求 Amazon ML 推斷結構描述。

如需建立獨立結構描述檔案的相關資訊，請參閱[建立 Amazon ML 的資料結構描述](creating-a-data-schema-for-amazon-ml.md)。

**允許 Amazon ML 推斷結構描述**

1. 在**結構描述**頁面上，Amazon ML 會顯示它推斷的結構描述。檢閱 Amazon ML 針對屬性推斷的資料類型。務必為屬性指派正確的資料類型，以協助 Amazon ML 正確擷取資料，並在屬性上啟用正確的特徵處理。
   + 若屬性只有兩種可能狀態 (例如，是或否)，應標示為 **Binary (二元)**。
   + 若屬性為用來表示分類的數字或字串，應標示為 **Categorical (分類)**。
   + 若屬性為順序有意義的數字量，應標示為 **Numeric (數值)**。
   + 若屬性為您想要視為以空格分隔之單詞的字串，應標示為 **Text (文字)**。  
![](http://docs.aws.amazon.com/zh_tw/machine-learning/latest/dg/images/image10.png)

1. 在本教學課程中，Amazon ML 已正確識別所有屬性的資料類型，因此請選擇**繼續**。

接著選取目標屬性。

請記住，目標是 ML 模型必須學習預測的屬性。屬性 **y** 會指出某人過去是否訂閱過活動：1 (是) 或 0 (否)。

**注意**  
只有當您要使用資料來源來訓練和評估 ML 模型時，才選擇目標屬性。

**選取 y 做為目標屬性**

1. 在表格右下方，選擇單箭頭前往表格的最後一頁，該頁會顯示名為 `y` 的屬性。  
![](http://docs.aws.amazon.com/zh_tw/machine-learning/latest/dg/images/image11.png)

1. 在 **Target (目標)** 欄，選取 `y`。  
![](http://docs.aws.amazon.com/zh_tw/machine-learning/latest/dg/images/image12.png)

   Amazon ML 會確認已選取 **y** 做為您的目標。

1. 選擇**繼續**。

1. 在 **Row ID (列 ID)** 頁面上，確定 **Does your data contain an identifier? (您的資料包含識別符嗎？)** 已選取預設值 **No (否)**。

1. 選擇 **Review (檢閱)**，然後選擇 **Continue (繼續)**。

既然您已具有訓練資料來源，就可以[建立模型](step-3-create-an-ml-model.md)。