以極少的程式碼準備用於機器學習的訓練資料

開啟 SageMaker Studio 介面。在導覽列上，選擇 File (檔案)、New (新增)、Data Wrangler Flow (Data Wrangler 流程)。 

在 Import (匯入) 標籤的 Import data (匯入資料) 下方，選擇 Amazon S3。

在 S3 URI path (S3 URI 路徑) 欄位中，輸入 s3://sagemaker-sample-files/datasets/tabular/uci_statlog_german_credit_data/german_credit_data.csv，然後選擇 Go (前往)。在 Object name (物件名稱) 下方，按一下 german_credit_data.csv，然後選擇 Import (匯入)。

在 Data Flow (資料流程) 標籤的資料流程圖表中，選擇 + 圖示，然後選擇 Add analysis (新增分析)。

在 Create analysis (建立分析) 窗格下方，為 Analysis type (分析類型) 選取 Histogram (長條圖)。 

對於 X axis (X 軸)，選取 age (年齡)。 

對於 Color by (顏色依據)，選取 risk (風險)。

選擇 Preview (預覽)，以產生 credit risk (信用風險) 欄位的長條圖，該圖依據 age (年齡) 段塗色。

選擇 Save (儲存) 以便將此分析儲存到流程中。

若要了解該資料集有多適合用於訓練預測 risk (風險) 目標變數的模型，請執行 Quick Model (快速模型) 分析。在 Analysis (分析) 標籤中，選擇 Create new analysis (建立新的分析)。 

在 Create analysis (建立分析) 窗格的下方，為 Analysis type (分析類型) 選擇 Quick Model (快速模型)。對於 Label (標籤)，選取 risk (風險)，然後選擇 Preview (預覽)。 Quick Model (快速模型) 窗格將顯示所用模型以及一些基本統計資料的簡要概覽 (包括 F1 分數和特徵重要性等)，以協助您評估資料集的品質。選擇 Save (儲存)。

若要導覽到資料流程圖表，請選擇 Data flow (資料流程)。 

在資料流程圖表中，選擇 + 圖示，然後選擇 Add transform (新增轉換)。 

在 ALL STEPS (所有步驟) 窗格下方，選擇 Add step (新增步驟)。

在 ADD TRANSFORM (新增轉換) 清單中，選擇 Search and edit (搜尋並編輯)，它是用於操作字串資料的轉換。

在 SEARCH AND EDIT (搜尋並編輯) 窗格下方，為 Transform (轉換) 選取 Split string by delimiter (以分隔符號拆分字串)。 對於 Input columns (輸入欄)，選取 status_sex。 在 Delimiter (分隔符號) 方塊中，輸入符號 :。 在 Output column (輸出欄) 中，輸入 vec。選擇 Preview (預覽)，然後選擇 Add (新增)。 

此轉換會拆分 status_sex 欄，在 DataFrame 的末尾建立名為 vec 的新欄。status_sex 欄包含以冒號分隔的字串，而新的 vec 欄則包含以逗號分隔的向量。

若要拆分 vec 欄並建立兩個新欄 sex_split_0 和 sex_split_1： 

在 ALL STEPS (所有步驟) 下方，選擇 + Add step (+ 新增步驟)。

在 ADD TRANSFORM (新增轉換) 清單中，選擇 Manage vectors (管理向量)。 

在 MANAGE VECTORS (管理向量) 窗格下方，為 Transform (轉換) 選取 Flatten (壓平合併)。 對於 Input columns (輸入欄)，選取 vec。對於 output_prefix，輸入 sex_split。

選擇 Preview (預覽)，然後選擇 Add (新增)。

若要重新命名由拆分轉換建立的欄：

在 ALL STEPS (所有步驟) 窗格下方，選擇 + Add step (+ 新增步驟)。

在 ADD TRANSFORM (新增轉換) 清單中，選擇 Manage columns (管理欄)。

在 MANAGE COLUMNS (管理欄) 窗格下方，為 Transform (轉換) 選取 Rename column (重新命名欄)。對於 Input column (輸入欄)，選取 sex_split_0。 在 New name (新名稱) 框中，輸入 sex。

選擇 Preview (預覽)，然後選擇 Add (新增)。

重複此程序，將 sex_split_1 重新命名為 marital_status。

在該資料集中，信用風險分類以字串 high risk (高風險) 和 low risk (低風險) 表示。在此步驟中，您要將此分類轉換為二進位表示，即 0 或 1。 

在 ALL STEPS (所有步驟) 窗格下方，選擇 + Add Step (+ 新增步驟)。在 ADD TRANSFORM (新增轉換) 清單中，選擇 Encode categorical (編碼類別)。SageMaker Data Wrangler 提供三種轉換類型：循序編碼、獨熱編碼和相似度編碼。在 ENCODE CATEGORICAL (編碼類別) 窗格下方，為 Transform (轉換) 保留預設的 Ordinal encode (循序編碼)。 對於 Input columns (輸入欄)，選取 risk。 在 Output column (輸出欄) 中，輸入 target。 本教學將忽略 Invalid handling strategy (無效處理策略) 方塊。 選擇 Preview (預覽)，然後選擇 Add (新增)。

使用 Encode categorical (編碼類別) 轉換對其餘欄 (housing、job、sex 和 marital_status) 進行編碼，方法如下：在 ALL STEPS (所有步驟) 下方，選擇 + Add Step (+ 新增步驟)。 在 ADD TRANSFORM (新增轉換) 清單中，選擇 Encode categorical (編碼類別)。在 ENCODE CATEGORICAL (編碼類別) 窗格下方，為 Transform (轉換) 保留預設的 Ordinal encode (循序編碼)。 對於 Input columns (輸入欄)，選取 housing、job、sex 和 marital_status。Output column (輸出欄) 留空，從而讓編碼值會取代類別值。選擇 Preview (預覽)，然後選擇 Add (新增)。

若要縮放數字欄 creditamount，對信用金額套用縮放器以便對此欄中的資料分佈進行標準化：在 ALL STEPS (所有步驟) 窗格下方，選擇 + Add Step (+ 新增步驟)。 在 ADD TRANSFORM (新增轉換) 清單中，選擇 Process numeric (處理數值)。對於 Scaler (縮放器)，選取預設選項 Standard scaler (標準縮放器)。對於 Input columns (輸入欄)，選取 creditamount。選擇 Preview (預覽)，然後選擇 Add (新增)。

若要刪除完成轉換的原始欄：在 ALL STEPS (所有步驟) 窗格下方，選擇 + Add Step (+ 新增步驟)。在 ADD TRANSFORM (新增轉換) 清單中，選擇 Manage columns (管理欄)。在 MANAGE COLUMNS (管理欄) 窗格下方，為 Transform (轉換) 選取 Drop Column (刪除欄)。 對於 Columns to drop (要刪除的欄)，選取 status_sex、existingchecking、employmentsince、risk 和 vec。選擇 Preview (預覽)，然後選擇 Add (新增)。

選擇左上角的 Data flow (資料流程) 以返回至資料流程圖表。選擇 + 圖示，然後選擇 Add analysis (新增分析)。在 Create analysis (建立分析) 窗格中，為 Analysis type (分析類型) 選取 Bias Report (偏差報告)。對於 Analysis name (分析名稱)，輸入任何名稱。對於 Select the column your model predicts (target) (選取您的模型預測的欄 (目標))，選取 target (目標)。保持勾選 Value (值) 核取方塊。在 Predicted value (s) (預測值) 方塊中，輸入 1。對於 Select the column to analyze for bias (選取要進行偏差分析的欄)，選取 sex。對於 Choose bias metrics (選擇偏差指標)，保留預設的選擇。選擇 Check for bias (檢查偏差)。

幾秒後，SageMaker Clarify 會產生一份報告，顯示目標和測試欄在一些偏差相關指標上的分數，其中包括類不平衡 (CI)和標籤中正比例的差異 (DPL)。在此例中，資料在 sex 方面有些許偏差 (-0.38)，在 labels 方面的偏差較小 (0.075)。根據此報告，您可能需要考慮偏差補救方法，例如使用 SageMaker Data Wrangler 的內建 SMOTE 轉換。在本教學中，我們將略過補救步驟。選擇 Save (儲存) 以便將偏差報告儲存到資料流程。

在資料流程圖表中，選擇 + 圖示、Export to (匯出到)、Amazon S3 (via Jupyter Notebook) (Amazon S3 (透過 Jupyter 筆記本))。這將會在 SageMaker Studio 中建立筆記本，您可以在其中執行產生的 SageMaker 處理任務，來建立經過轉換的資料集。 執行此筆記本，以將結果儲存到預設的 S3 儲存貯體。

若要刪除 S3 儲存貯體，請執行以下操作： 

• 開啟 Amazon S3 主控台。在導覽列上，選擇 Buckets (儲存貯體)、sagemaker-<您的區域>-<您的帳戶 ID>，然後選取 data_wrangler_flows 旁邊的核取方塊。然後選擇 Delete (刪除)。 
• 在 Delete objects (刪除物件) 對話方塊中，確認您已選取要刪除的物件，然後將 permanently delete (永久刪除) 輸入到 Permanently delete objects (永久刪除物件) 確認方塊。
• 當此操作完成且儲存貯體為空時，您可以透過再次執行相同程序來刪除儲存貯體 sagemaker-<您的區域>-<您的帳戶 ID>。

本教學中用於執行筆記本映像的資料科學核心將不斷產生費用，直到您停止核心或執行以下步驟刪除應用程式。 如需詳細資訊，請參閱《Amazon SageMaker 開發人員指南》中的關閉資源。

若要刪除 SageMaker Studio 應用程式，請執行以下操作：在 SageMaker Studio 主控台中，選擇 studio-user，然後透過選擇 Delete app (刪除應用程式程式) 來刪除 Apps (應用程式) 下列出的所有應用程式。等待片刻直到 Status (狀態) 變更為 Deleted (已刪除)。

如果您在步驟 1 中使用了現有的 SageMaker Studio 網域，請略過步驟 8 的其餘部分並直接進入「結論」部分。 

如果您在步驟 1 中執行 CloudFormation 範本來建立新的 SageMaker Studio 網域，請繼續執行下列步驟以刪除由 CloudFormation 範本建立的網域、使用者和資源。  

若要開啟 CloudFormation 主控台，請在 AWS Console 搜尋列中輸入 CloudFormation，然後從搜尋結果中選擇 CloudFormation。

在 CloudFormation 窗格中，選擇 Stacks (堆疊)。從狀態下拉式清單中，選取 Active (作用中)。在 Stack name (堆疊名稱) 下，選擇 CFN-SM-IM-Lambda-catalog 開啟堆疊詳細資訊頁面。

在 CFN-SM-IM-Lambda-catalog 堆疊詳細資訊頁面上，選擇 Delete (刪除) 以刪除在步驟 1 中建立的堆疊及資源。