使用 Amazon SageMaker Autopilot 实现模型开发自动化 - Amazon SageMaker
Amazon Web Services 文档中描述的 Amazon Web Services 服务或功能可能因区域而异。要查看适用于中国区域的差异,请参阅中国的 Amazon Web Services 服务入门

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。

使用 Amazon SageMaker Autopilot 实现模型开发自动化

Amazon SageMaker 自动导航仪是一个功能集,可自动执行自动机器学习 (AuAutoML) 流程的关键任务。它会探索您的数据,选择与您的问题类型相关的算法,并准备数据以便于模型训练和调整。自动驾驶仪在适当时将交叉验证重采样程序自动应用于所有候选算法,以测试其预测未经过培训的数据的能力。它还生成衡量指标,以评估其机器学习模型候选项的预测质量。它通过自动执行构成 AuAutoML 流程的这些关键任务,简化了您的机器学习体验。它对所有经过性能测试的优化型号进行排名。它会找到您只需很少的时间即可部署性能最佳的模型。

自动驾驶仪还有助于解释模型如何使用为 Amazon SageMaker Classic 开发的功能归因方法进行预测。自动驾驶仪会自动生成一个报告,指示每个功能对于最佳候选项所做预测的重要性。这种解释性的方法可以使机器学习模型更容易理解Amazon客户。生成的模型治理报告可用于向风险和合规团队和外部监管机构提供信息。

您可以完全了解数据的处理方式,以及如何针对每个候选项选择、训练和优化模型。这是由自动驾驶仪为每个试用生成的笔记本提供的,这些笔记本包含用于探索数据和查找最佳候选项的代码。这些笔记本还提供培训工具,使您能够了解并进行您自己的 ML 实验。您可以通过以下方法了解实验中各种输入和取舍的影响:通过以下方法了解自动驾驶仪公开的各种数据探索和候选项定义笔记本。您还可以通过对笔记本进行自己的修改并重新运行它们,对性能较高的候选人进行进一步的实验。

下图概述了由自动驾驶仪管理的 AuAutoML 流程的主要任务。


      Amazon SageMaker 自动导航仪使用的 AutomL 流程概述。

您可以通过不同的方式使用自动驾驶仪:在自动驾驶仪(因此得名)上或在各种程度的人工指导下(无需通过 Amazon SageMaker Studio 进行编码),也可以使用其中一种Amazon开发工具包。自动驾驶仪目前支持回归和二进制和多类分类。它还仅支持在文件中使用逗号分隔值设置格式的表格数据。

使用 Amazon SageMaker,您可以按实际用量付费。您需要为 SageMaker 或其他Amazon服务,具体取决于您的使用情况。构建、培训和部署 ML 模型按第二个计费,无需最低费用,也无需前期承诺。有关使用 SageMaker 的成本的更多信息,请参阅。Amazon SageMaker 定价.