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 3：建立 ML 模型
<a name="step-3-create-an-ml-model"></a>

 建立好訓練資料來源後，可以使用它來建立 ML 模型、訓練模型，然後評估結果。ML 模型是 Amazon ML 在訓練期間在您的資料中找到的模式集合。您可以使用模型來建立預測。

**建立 ML 模型**

1.  由於入門精靈同時建立訓練資料來源和模型，Amazon Machine Learning (Amazon ML) 會自動使用您剛建立的訓練資料來源，並直接帶您前往 **ML 模型設定**頁面。在 **ML model settings (ML 模型設定)** 頁面上，確定 **ML model name (ML 模型名稱)** 已顯示預設選項 **ML model: Banking Data 1**。

   使用好記的名稱 (例如預設值)，可協助您輕鬆地識別和管理 ML 模型。

1.  對於 **Training and evaluation settings (訓練與評估設定)**，確定已選取 **Default (預設)**。  
![\[Select training and evaluation settings interface with Default option selected.\]](http://docs.aws.amazon.com/zh_tw/machine-learning/latest/dg/images/image19.png)

1.  對於 **Name this evaluation (命名此評估)**，接受預設值 **Evaluation: ML model: Banking Data 1**。

1.  選擇 **Review (檢閱)**、檢閱您的設定，然後選擇 **Finish (完成)**。

    選擇**完成**之後，Amazon ML 會將模型新增至處理佇列。Amazon ML 建立模型時，會套用預設值並執行下列動作：
   + 將訓練資料來源分割為兩個部分，其一包含 70% 的資料，另一部分包含其餘的 30% 
   + 使用包含 70% 輸入資料的部分來訓練 ML 模型 
   + 使用其餘 30% 輸入資料的部分來評估模型 

   當您的模型在佇列中時，Amazon ML 會將狀態報告為**待定**。Amazon ML 建立模型時，會將狀態報告為**進行中**。待已完成所有動作後，則回報狀態為 **Completed (已完成)**。請等待評估完成，然後再繼續。

現在您已準備好要開始[檢閱模型的效能和設定分界分數](step-4-review-model-and-set-cutoff.md)。

 如需訓練和評估模型的詳細資訊，請參閱[定型 ML 模型](training-ml-models.md)和[評估 ML 模型](evaluating_models.md)。