本文属于机器翻译版本。若本译文内容与英语原文存在差异，则一律以英文原文为准。
创建 Amazon SageMaker Autopilot 实验
创建 Amazon SageMaker 自动驾驶实验,您需要命名它,提供输入和输出数据的位置,指定要预测的目标数据,以及可选的要解决的机器学习问题类型。当您创建一个 Amazon SageMaker 自动驾驶工作作为试点实验, SageMaker 分析您的数据,并创建一个包含候选模型定义的笔记本。如果您选择运行完整的实验选项, SageMaker 还会代表您训练和调整这些模型。您可以在实验运行时查看统计信息。之后，您可以比较试验并深入研究细节。
-
开放 Amazon SageMaker 参观并登录。
-
选择 创建 Autopilot 实验 选项, 自动构建模型 包装盒。
-
在 作业设置 形式:
-
实验名称 – 当前帐户必须具有唯一性 AWS 区域,最多包含63个字母和数字字符。可包含连字符(-),但不包含空白。
-
输入数据位置(S3bucket) – 包含输入数据的S3bucket。
注意 必须是s3://格式的URL,其中 Amazon SageMaker 具有写入权限。S3bucket必须在当前的AW区域,且必须为CSV格式,且至少包含500行。
-
S3bucket名称 – S3中所有现有存储桶名称的存储桶名称必须唯一。
-
S3对象密钥前缀 – bucket中的对象的文件名,包括bucket内对象的路径。
-
S3存储桶位置 – S3bucket名称和S3对象密钥前缀的连结。
-
-
您的S3是否输入了清单文件? – 清单文件包括包含输入数据的元数据。元数据指定了您在alirocumabS3存储中数据的位置、数据的格式化方式,以及在训练您的模型时使用的数据集属性。当您在Pipe模式下传送标记数据时,您可以使用清单文件作为预处理的替代方法。
-
目标属性名称 – 您希望模型以预测为目标的数据列名称。
-
输出数据位置(S3bucket) – S3bucket,用于存储输出数据。
注意 必须是s3://格式的URL,其中RegionSageMaker拥有写权限。S3bucket必须在当前的AW区域。
-
S3bucket名称 – S3中所有现有存储桶名称的存储桶名称必须唯一。
-
S3对象密钥前缀 – bucket中的对象的文件名,包括bucket内对象的路径。
-
S3存储桶位置 – S3bucket名称和S3对象密钥前缀的连结。
-
-
选择学习问题类型:
-
自动 – SageMaker 根据您要预测的属性的值推断问题类型。在某些情况下，SageMaker 无法准确推断，在此情况下，您必须提供值才能使作业成功。
-
二元分类 – 二元分类是一种监督学习,根据个人属性将个人分配给两个预定义和相互排斥的类别之一。例如,根据诊断检查结果对个人是否有疾病进行医学诊断。
-
回归 – 回归基于与其相关的一个或多个其他变量或属性,估计因变量值。例如,基于房间面积和卫生间数量等特征的房屋价格。
-
多类别分类 – 多类别分类是一种监督学习类型,根据个人属性将个人分配给几个类别之一。例如,对与文本文档最相关的主题的预测,例如政治、金融或哲学。
-
-
您是否想要进行完整的实验?
如果您选择 是, SageMaker 生成模型以及统计值,在实验运行期间可以实时查看。实验完成后,您可以查看试验,按客观指标排序,然后右键单击以部署模型,以便在其他环境中使用。
如果您选择 否,而不是执行整个工作流程, SageMaker 在生成包含候选定义的笔记本后停止执行。候选参数是数据预处理器、算法和算法参数设置的组合。您可以将笔记本用作引导自己的模型培训/培训过程的起点。笔记本中突出显示了部分,其中解释了典型的更改类型,例如更改实例类型、群集大小等。
-
-
选择 Create Experiment (创建实验)。