下载、准备和上传训练数据
在本示例中，您使用有关银行客户信息的训练数据集，其中包含客户的工作、婚姻状况以及在银行的直接营销市场活动中通过何种方式联系他们。要将数据集用于超参数调优作业，您需要下载该数据集、转换数据，然后将其上传到 Amazon S3 存储桶。
有关数据集和示例执行的数据转换的更多信息，请参阅笔记本实例中 SageMaker 示例选项卡的超参数调优部分中的 hpo_xgboost_direct_marketing_sagemaker_APIs 笔记本。
下载和探索训练数据集
要下载和探索数据集，请在笔记本中运行以下代码：
!wget -N https://archive.ics.uci.edu/ml/machine-learning-databases/00222/bank-additional.zip !unzip -o bank-additional.zip 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', 5) # Keep the output on one page data
准备和上传数据
在创建超参数调优作业之前，请准备数据并将其上传到超参数调优作业可以访问的 S3 存储桶。
在笔记本中运行以下代码：
data['no_previous_contact'] = np.where(data['pdays'] == 999, 1, 0) # Indicator variable to capture when pdays takes a value of 999 data['not_working'] = np.where(np.in1d(data['job'], ['student', 'retired', 'unemployed']), 1, 0) # Indicator for individuals not actively employed model_data = pd.get_dummies(data) # Convert categorical variables to sets of indicators model_data model_data = model_data.drop(['duration', 'emp.var.rate', 'cons.price.idx', 'cons.conf.idx', 'euribor3m', 'nr.employed'], axis=1) train_data, validation_data, test_data = np.split(model_data.sample(frac=1, random_state=1729), [int(0.7 * len(model_data)), int(0.9*len(model_data))]) pd.concat([train_data['y_yes'], train_data.drop(['y_no', 'y_yes'], axis=1)], axis=1).to_csv('train.csv', index=False, header=False) pd.concat([validation_data['y_yes'], validation_data.drop(['y_no', 'y_yes'], axis=1)], axis=1).to_csv('validation.csv', index=False, header=False) pd.concat([test_data['y_yes'], test_data.drop(['y_no', 'y_yes'], axis=1)], axis=1).to_csv('test.csv', index=False, header=False) boto3.Session().resource('s3').Bucket(bucket).Object(os.path.join(prefix, 'train/train.csv')).upload_file('train.csv') boto3.Session().resource('s3').Bucket(bucket).Object(os.path.join(prefix, 'validation/validation.csv')).upload_file('validation.csv')