本記事は、Amazon Machine Learning（Amazon ML）の特徴と、仕組みを理解する上で必要となる機械学習の知識を説明した「Amazon Machine Learningで何ができるか」を補完するものだ。お読みでない方は、まずこちらからご覧いただきたい。
ここではAmazon MLのサンプルを用いながら、学習用データのインポートから学習モデルの構築、予測結果の出力までの流れを追いかける。
●Amazon MLの仕組み
前の記事で説明した通り、Amazon MLでは機械学習の作業の流れが整理されており、順に行うことで簡単にモデルや予測APIを構築できる。Amazon MLにおける機械学習は、基本的には以下の流れに従って進める。
各作業の成果は「エンティティ」と呼ばれるAWS上のオブジェクトとして管理される。各エンティティの詳細は表のとおりである。
この章では、各作業が具体的にどういう流れなのか、また何ができるのかを見ていきたい。
●サンプルについて
Amazon MLでは、機械学習用のサンプルデータとして、銀行のマーケティング情報に関するデータを準備している。
https://s3.amazonaws.com/Amazon ML-sample-data/banking.csv
https://s3.amazonaws.com/Amazon ML-sample-data/banking-batch.csv
このデータは、米カリフォルニア大学アーバイン校（UCI）が提供する機械学習用のデータセットをもとに作成されている。各項目の詳細について興味があれば、以下のURLから内容を確認できる。
https://archive.ics.uci.edu/ml/datasets/Bank+Marketing