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。
为管理 AutoML 任务而生成的自动驾驶笔记本
Amazon A SageMaker utopilot 使用 AutoML 作业管理自动机器学习 (AutoML) 过程中的关键任务。AutoML 作业创建了三个基于笔记本的报告,这些报告描述了 Autopilot 为生成候选模型而遵循的计划。
候选模型由一个(管道、算法)对组成。首先,有一个数据探索笔记本,它描述了 Autopilot 从您提供的数据中了解到的信息。其次,有一个候选项定义笔记本,它使用与数据相关信息来生成候选项。第三,模型见解报告,可以帮助详细说明 Autopilot 实验排行榜中最佳模型的性能特征。
如果你已经安装了 Amazon SageMaker SageMaker Python,你可以在亚马逊
-
对数据使用的预处理器
-
超参数优化 (HPO) 运行次数及其并行度
-
要尝试的算法
-
用于HPO任务的实例类型
-
超参数范围
作为一种学习手段,鼓励对候选项定义笔记本进行修改。通过此功能,您可以了解在机器学习过程中做出的决策如何影响结果。
注意
当您在默认实例中运行笔记本时,会产生基准费用。但是,当您通过候选笔记本运行HPO作业时,这些作业会使用额外的计算资源,从而产生额外成本。