【小白】使用 Amazon SageMaker 构建机器学习应用【附全程部署视频】

使用 Amazon SageMaker 构建机器学习应用

全程部署视频看这里，原视频30分钟左右为了观看体验剪掉了等待时间：

小白使用Amazon SageMaker 构建机器学习应用

一、创建Sagemaker Notebook实例

Amazon SageMaker： https://aws.amazon.com/cn/sagemaker/

输入名称、选择实例类型、配置磁盘大小，具体如下图

创建新角色，选择任意S3存储桶，点击创建角色


配置VPC网络，选择VPC、子网和安全组，并点击创建笔记本实例

等待5-6分钟，状态变为inSerice，点击打开jupyter

新建文件，如下图

二、下载数据集

输入如下代码，下载数据集并解压：

!wget -N https://archive.ics.uci.edu/ml/machine-learning-databases/00222/bank-additional.zip
!unzip -o bank-additional.zip

粘贴代码后点击运行

通过pandas展示数据集

使用 bank-additional-full.csv 数据集文件，将其通过 pandas 读入并展示：

import numpy as np  # For matrix operations and numerical processing
import pandas as pd  # For munging tabular data
import os

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", 50)  # Keep the output on one page
data

特征解释如下：

三、数据预处理

数据清洗将分类类型数据通过独热编码转换为数字。

data["no_previous_contact"] = np.where(
    data["pdays"] == 999, 1, 0
)  # Indicator vari