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。

# 下載、準備和上傳訓練資料
<a name="automatic-model-tuning-ex-data"></a>

在本範例中，您會使用銀行客戶相關資訊的訓練資料集，包含客戶的工作、婚姻狀態，以及銀行的直接行銷活動如何聯絡他們。若要使用超參數調校任務的資料集，您可以下載、轉換資料，然後將其上傳到 Amazon S3 儲存貯體。

如需有關此範例所執行之資料集和資料轉換的詳細資訊，請參閱筆記本執行個體中 **SageMaker AI 範例**索引標籤的**超參數調校**區段中的 *hpo\_xgboost\_direct\_marketing\_sagemaker\_APIs* 筆記本。

## 下載並探索訓練資料集
<a name="automatic-model-tuning-ex-data-download"></a>

若要下載並探索資料集，請在您的筆記本中執行下列程式碼：

```
!wget -N https://archive.ics.uci.edu/ml/machine-learning-databases/00222/bank-additional.zip
!unzip -o bank-additional.zip
data = pd.read_csv('./bank-additional/bank-additional-full.csv', sep=';')
pd.set_option('display.max_columns', 500)     # Make sure we can see all of the columns
pd.set_option('display.max_rows', 5)         # Keep the output on one page
data
```

## 準備並上傳資料
<a name="automatic-model-tuning-ex-data-transform"></a>

建立超參數調校任務之前，請先準備資料並將其上傳到超參數調校任務可以存取的 S3 儲存貯體。

在您的筆記本中執行下列程式碼：

```
data['no_previous_contact'] = np.where(data['pdays'] == 999, 1, 0)                                 # Indicator variable to capture when pdays takes a value of 999
data['not_working'] = np.where(np.in1d(data['job'], ['student', 'retired', 'unemployed']), 1, 0)   # Indicator for individuals not actively employed
model_data = pd.get_dummies(data)                                                                  # Convert categorical variables to sets of indicators
model_data
model_data = model_data.drop(['duration', 'emp.var.rate', 'cons.price.idx', 'cons.conf.idx', 'euribor3m', 'nr.employed'], axis=1)

train_data, validation_data, test_data = np.split(model_data.sample(frac=1, random_state=1729), [int(0.7 * len(model_data)), int(0.9*len(model_data))])

pd.concat([train_data['y_yes'], train_data.drop(['y_no', 'y_yes'], axis=1)], axis=1).to_csv('train.csv', index=False, header=False)
pd.concat([validation_data['y_yes'], validation_data.drop(['y_no', 'y_yes'], axis=1)], axis=1).to_csv('validation.csv', index=False, header=False)
pd.concat([test_data['y_yes'], test_data.drop(['y_no', 'y_yes'], axis=1)], axis=1).to_csv('test.csv', index=False, header=False)

boto3.Session().resource('s3').Bucket(bucket).Object(os.path.join(prefix, 'train/train.csv')).upload_file('train.csv')
boto3.Session().resource('s3').Bucket(bucket).Object(os.path.join(prefix, 'validation/validation.csv')).upload_file('validation.csv')
```

## 後續步驟
<a name="automatic-model-tuning-ex-next-tuning-job"></a>

[設定並啟動超參數調校任務](automatic-model-tuning-ex-tuning-job.md)