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。
# 資料的深入解析
Amazon ML 會計算輸入資料的描述性統計資料，供您用來了解資料。
## 描述性統計資料
Amazon ML 會針對不同的屬性類型計算下列描述性統計資料：
數值：
+ 色階分佈圖
+ 無效值的數量
+ 最小值、中間值、平均值與最大值
二元與分類：
+ (每個類別的相異值) 計數
+ 數值色階分佈圖
+ 最常出現的值
+ 不重複的值計數
+ true 值的百分比 (僅限二元)
+ 最重要的單字
+ 最常出現的單字
文字：
+ 屬性的名稱
+ 與目標的相互關聯性 (如有設定目標)
+ 總字數
+ 不重複的文字
+ 單一資料列中的字數範圍
+ 單字長度範圍
+ 最重要的單字
## 在 Amazon ML 主控台上存取 Data Insights
在 Amazon ML 主控台上，您可以選擇任何資料來源的名稱或 ID，以檢視其 **Data Insights** 頁面。此頁面提供指標與視覺效果，可讓您了解資料來源相關聯的輸入資料，包括下列資訊：
+ 資料摘要
+ 目標分佈
+ 缺少值
+ 無效值
+ 變數的摘要統計資料 (依資料類型)
+ 變數的分佈 (依資料類型)
下列各節將詳細說明指標與視覺效果。
### 資料摘要
資料來源的資料摘要報告顯示摘要資訊，包括資料來源 ID、名稱、完成位置、目前的狀態、目標屬性、輸入資料資訊 (S3 儲存貯體位置、資料格式、已處理的記錄數與處理期間發生的錯誤記錄數)，以及變數的數量 (依資料類型)。
### 目標分佈
目標分佈報告顯示資料來源的目標屬性分佈。下列範例有 39,922 個觀察，其中的 willRespondToCampaign 目標屬性等於 0。這是未回應電子郵件行銷活動的客戶人數。總共有 5,289 個觀察，其中 willRespondToCampaign 等於 1。這是已回應電子郵件行銷活動的客戶人數。
![\[Bar chart showing target distributions for willRespondToCampaign: 39,922 for one category, 5,289 for another.\]](http://docs.aws.amazon.com/zh_tw/machine-learning/latest/dg/images/image41.png)
### 缺少的值
缺少的值報告會列出輸入資料中缺少值的屬性。只有資料類型為數值的屬性才會缺少值。因為缺少值可能會影響 ML 模型的訓練品質，所以建議您盡可能提供所缺少的值。
在 ML 模型訓練期間，如果遺失目標屬性，Amazon ML 會拒絕對應的記錄。如果目標屬性存在於記錄中，但缺少另一個數值屬性的值，則 Amazon ML 會忽略缺少的值。在此情況下，Amazon ML 會建立替代屬性，並將其設定為 1，以表示缺少此屬性。這可讓 Amazon ML 從遺失值的出現中學習模式。
### 無效值
只有數值與二元資料類型才會出現無效值。您可以檢視資料類型報告中的變數摘要統計資料來尋找無效值。在下列範例中，持續時間的數值屬性有一個無效值，二元資料類型有兩個無效值 (分別在房屋屬性與貸款屬性中)。
![\[Table showing numeric variable "duration" with correlations, missing values, range, mean, and median.\]](http://docs.aws.amazon.com/zh_tw/machine-learning/latest/dg/images/image42.png)
![\[Table showing binary variables with correlations, percentages, and invalid values for campaign data.\]](http://docs.aws.amazon.com/zh_tw/machine-learning/latest/dg/images/image43.png)
### 變數與目標的相互關聯性
建立資料來源之後，Amazon ML 可以評估資料來源，並識別變數與目標之間的相互關聯或影響。例如，產品價格對於能否成為暢銷商品的影響可能很大，但產品大小對於預測的影響可能就很小。
一般會建議在訓練資料中加入愈多的變數愈好。但加入許多對於預測影響很小之變數所帶來的干擾，可能會對您的 ML 模型品質與正確性造成負面影響。
您可以移除訓練模型時影響力很小的變數，藉此改善模型的預測效能。您可以在*配方*中定義哪些變數可供機器學習程序使用，這是 Amazon ML 的轉換機制。若要進一步了解配方，請參閱[機器學習的資料轉換](https://docs.aws.amazon.com/machine-learning/latest/dg/transforming_data.html)。
### 屬性的摘要統計資料 (依資料類型)
在資料深入解析報告中，您可以依下列資料類型檢視屬性摘要統計資料：
+ 二進位
+ 分類
+ 數值
+ 文字
二元資料類型的摘要統計資料會顯示所有的二元屬性。**Correlations to target (與目標的相互關聯性)** 資料行會顯示目標資料行與屬性資料行中相同的資訊。**Percent true (true 的百分比)** 資料行顯示觀察值為 1 的百分比。**Invalid values (無效值)** 資料行顯示無效值的數目，以及每個屬性的無效值所占百分比。**Preview (預覽)** 資料行提供每個屬性圖形化分佈的連結。
![\[Table showing binary variables with correlations, percentages, and invalid values for campaign data.\]](http://docs.aws.amazon.com/zh_tw/machine-learning/latest/dg/images/image43.png)
分類資料類型的摘要統計資料顯示所有分類屬性，以及不重複的值、最常出現的值與最少出現的值的數量。**Preview (預覽)** 資料行提供每個屬性圖形化分佈的連結。
![\[Table showing categorical variables with correlations, unique values, and frequency data.\]](http://docs.aws.amazon.com/zh_tw/machine-learning/latest/dg/images/image44.png)
數值資料類型的摘要統計資料顯示所有數值屬性，以及缺少的值、無效值、值的範圍、平均值與中間值的數量。**Preview (預覽)** 資料行提供每個屬性圖形化分佈的連結。
![\[Table showing numeric variable "duration" with correlations, missing values, range, mean, and median.\]](http://docs.aws.amazon.com/zh_tw/machine-learning/latest/dg/images/image42.png)
文字資料類型的摘要統計資料顯示所有的文字屬性、該屬性的總字數、該屬性中不重複的單字數、屬性的字數範圍、單字長度的範圍與最重要的單字。**Preview (預覽)** 資料行提供每個屬性圖形化分佈的連結。
![\[Table showing text attributes with correlations, word counts, and ranges for a phrase.\]](http://docs.aws.amazon.com/zh_tw/machine-learning/latest/dg/images/image61.png)
下一個範例顯示文字變數 "review" 的文字資料類型統計資料，其中包含四筆記錄。
```
1. The fox jumped over the fence.
2. This movie is intriguing.
3.
4. Fascinating movie.
```
此範例的資料行顯示下列資訊。
+ **Attributes (屬性)** 資料行顯示變數的名稱。在此範例中，此資料行會顯示 "review"。
+ 若已指定目標，才會有 **Correlations to target (與目標的相互關聯性)** 資料行。相互關聯性測量此屬性所提供與目標相關的資訊量。相互關聯性愈高，此屬性所提供與目標相關的資訊量愈多。相互關聯性在測量文字屬性的簡單表示與目標之間共有的資訊。
+ **Total words (總字數)** 資料行顯示字符化每筆記錄後所產生的字數，並會以空格分隔每個單字。在此範例中，此資料行會顯示 "12"。
+ **Unique words (不重複的單字)** 資料行顯示屬性中不重複的單字數。在此範例中，此資料行會顯示 "10"。
+ **Words in attribute (range) (屬性中的字數 (範圍))** 資料行顯示屬性之單一資料列中的字數。在此範例中，此資料行會顯示 "0-6"。
+ **Word length (range) (單字長度 (範圍))** 資料行顯示單字中的字元數範圍。在此範例中，此資料行會顯示 "2-11"。
+ **Most prominent words (最重要的單字)** 資料行顯示屬性中出現之單字的排名清單。如有目標屬性，所有單字會依其與目標的相互關聯性排名，亦即，相互關聯性最高的單字會最先列出。若資料中沒有目標，則所有單字會依其熵排名。
### 了解分類與二元屬性的分佈
您可以按一下與分類或二元屬性相關聯的 **Preview (預覽)** 連結檢視該屬性的分佈，以及屬性的每一個分類值輸入檔案中的範例資料。
例如，下列螢幕擷取畫面顯示分類屬性 jobId 的分佈。此分佈顯示前 10 個分類值，以及分組為「其他」的所有其他值。其會排名前 10 個分類值，並提供輸入檔案中包含該值的觀察數，以及可檢視輸入資料檔案中範例觀察的連結。
![\[Bar chart showing top 10 job categories, with blue-collar jobs having the highest count at 9,732.\]](http://docs.aws.amazon.com/zh_tw/machine-learning/latest/dg/images/image45.png)
### 了解數值屬性的分佈
若要檢視數值屬性的分佈，可按一下該屬性的 **Preview (預覽)** 連結。檢視數值屬性的分佈時，可以選擇量化大小 500、200、100、50 或 20。量化大小愈大，顯示的長條圖數值愈小。此外，量化大小很大的分佈解析度會比較粗糙。反之，若將儲存貯體大小設定為 20，顯示的分佈解析度會相對提升。
此外也會顯示最小值、平均值與最大值，如下列螢幕擷取畫面所示。
![\[Histogram showing duration distribution, with highest frequency near 0 and decreasing as duration increases.\]](http://docs.aws.amazon.com/zh_tw/machine-learning/latest/dg/images/image46.png)
### 了解文字屬性的分佈
若要檢視文字屬性的分佈，可按一下該屬性的 **Preview (預覽)** 連結。檢視文字屬性的分佈時，會看到下列資訊。
![\[Table showing word prominence and count for phrases, with "enters" and "trust" ranking highest.\]](http://docs.aws.amazon.com/zh_tw/machine-learning/latest/dg/images/image62.png)
**Ranking** (排名)
文字字符會依其傳達的資訊量排名，從最多到最少。
**Token** (字符)
Token (字符) 顯示輸入文字中與統計資料列相關的單文。
**Word prominence** (單字重要性)
如有目標屬性，文字會依其與目標的相互關聯性排名；因此，相互關聯性最高的文字會最先列出。若資料中沒有目標，則文字會依其熵排名，亦即其可傳達的資訊量。
**Count** (計數)
Count (計數) 顯示包含此字符之輸入記錄的數量。
**Count percentage** (計數百分比)
Count Percentage (計數百分比) 顯示字符所在之輸入資料列的百分比。