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。

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

下表說明如何使用 Amazon ML 主控台來執行本文件中概述的 ML 程序。


****  

| ML 程序 | Amazon ML 任務 | 
| --- | --- | 
| 分析您的資料 | 若要在 Amazon ML 中分析您的資料，請建立資料來源並檢閱資料洞見頁面。 | 
| 將資料分割為定型與評估資料來源 |  Amazon ML 可以將資料來源分割為使用 70% 的資料進行模型訓練，並將 30% 的資料用於評估模型的預測效能。 當您使用建立 ML 模型精靈搭配預設設定時，Amazon ML 會為您分割資料。 如果您使用建立 ML 模型精靈搭配自訂設定，並選擇評估 ML 模型，您會看到允許 Amazon ML 為您分割資料並在 30% 的資料上執行評估的選項。  | 
| 隨機播放您的定型資料 |  當您使用建立 ML 模型精靈搭配預設設定時，Amazon ML 會為您隨機切換資料。您也可以在將資料匯入 Amazon ML 之前隨機播放資料。  | 
| 處理特徵 |  以理想格式將定型資料放在一起以供學習與一般化的程序，稱為特徵轉換。當您使用具有預設設定的建立 ML 模型精靈時，Amazon ML 建議為您的資料進行功能處理設定。 若要指定特徵處理設定，請使用 Create ML Model (建立 ML 模型) 精靈的 **Custom (自訂)** 選項，並提供特徵處理配方。 | 
| 定型模型 | 當您使用建立 ML 模型精靈在 Amazon ML 中建立模型時，Amazon ML 會訓練您的模型。 | 
| 選取模型參數 | 在 Amazon ML 中，您可以調校影響模型預測效能的四個參數：模型大小、通過次數、隨機分組類型和正規化。當您使用 Create ML Model (建立 ML 模型) 精靈建立 ML 模型時，可透過選擇 **Custom (自訂)** 選項設定這些參數。 | 
| 評估模型效能 | 使用 Create Evaluation (建立評估) 精靈來評估模型的預測效能。 | 
| 特徵選取 | Amazon ML 學習演算法可能會捨棄對學習程序貢獻不大的功能。若要指出您想要捨棄這些特徵，請在建立 ML 模型時選擇 `L1 regularization` 參數。 | 
| 設定分數閾值以取得預測準確度 | 檢閱評估報告中不同分數閾值的模型預測效能，然後根據您的商務應用程式設定分數閾值。分數閾值決定模型如何定義預測相符。調整此數值可控制錯誤肯定與錯誤否定。 | 
| 使用模型 |  使用您的模型，透過 Create Batch Prediction (建立批次預測) 精靈來預測觀察批次。 或者，讓 ML 模型使用 `Predict` API 處理即時預測，以視需要來預測個別觀察。 |