AWS Machine Learning Workshop 筆記 (三之二)

    先看第一部分，這個電信公司的客戶資料檔有二十一個欄位，前二十個是各種屬性，包括居住在哪一州、哪一區、電話號碼、是否使用國際電話、日間/傍晚/夜間/國際電話的通話數、通話時間、資費小計，最後一個欄位代表是否已轉換到別家電信公司，以0與1表示。

     首先要把 excel  檔匯入到 S3 Bucket，小弟第一次使用 S3，看來像這樣

     創建一個 S3 bucket，命名的潛規則：mmss-yyyyMMDD-<application_id>-<user_id>，以筆記時間為 "0120-20170414-mllab01-tgic"，然後要選取 AWS Region，我們選擇 US East (N.Virginia)，是因為目前 AWS Machine Learning 服務只有在包含 US EAST (N.Virginia) 的少數幾個 AWS Region 提供，而 AWS Machine Learning 的 Datasource 由 AWS S3 匯入，故必須選擇一個相同的 AWS Region來創建此 S3 bucket。

      Next->Next->Create bucket

      S3 bucket 建好了

     點進去看看，空的

    把三個 csv 檔匯入，費用可能從這個時候開始產生，請關注 aws s3 的收費原則

    Next->Next->Next->Upload

    然後終於可以到 AWS Machine Language 頁面朝聖了 (大心) 一開始進入的頁面叫做 Dashboard

    Get Started 進去

     Launch 進去先定義 Datasources, 指定同 Region 下的 S3 location, 打幾個字就有提示

     輸入完整的 S3 bucket name 與 bucket 內的 file object

    Verify -> 系統檢查到這個 S3 object 尚未賦予 ML 讀取權限

    grant permission -> 呈現 validation 結果

    Continue -> 進入 Schema 步驟, 裡面詢問 csv 的第一行是不是各欄位的名稱

    系統會自動幫每個欄位判斷 data type 以組成此 datasource 的 shema, 進一步了解AWS ML 支援的 data types 可參考 http://docs.aws.amazon.com/machine-learning/latest/dg/creating-a-data-schema-for-amazon-ml.html

     勾 yes, Continue -> 欄位名稱浮現

   Continue -> 進入 Target 選擇使用模型評估的目標欄位

    AWS ML 能做的事根據 http://docs.aws.amazon.com/machine-learning/latest/dg/evaluating-model-accuracy.html 可以分成以下三種

• Binary Classification

• Multiclass Classification

• Regression

    目標欄位選擇 "Churn?" 應該是屬於第一種, 也就是猜測特定客戶會不會跳槽到另一家電信供應商

    Continue ->

    Review ->

    Continue ->

    此處有 John 提供的 Custom Recipe, 選擇 Custom

    Continue -> 進入 Recipes, 從 lab01_scripts 挑選這一段 recipe 貼上

    Verify ->

    Continue -> 進入 Advanced Settings

    Continue -> 進入 Evaluation

    Review -> 進入 Review

    Create ML model -> 開始創建, 需要一點時間

    回到 ML models, 等待創建結束

    ML model 創建結束, 花了兩分鐘