发布于: Mar 28, 2018
您现在可以利用 Amazon SageMaker 中的新功能，加快训练并帮助您使用 Linear Learner 算法自定义线性回归和二进制分类模型。
为了增强 Linear Learner，Amazon SageMaker 增加了在模型优化过程中，根据存在或不存在验证数据集自动提前停止的功能。如果您为 Linear Learner 算法提供验证数据集，一旦验证损失停止改进，您的模型训练将会提前停止。如果没有验证数据集可用，模型训练将在训练损失停止改进时提前停止并恢复最佳模型。
此外，有多种方式可以使用适用于 Linear Learner 超参数的新损失函数来自定义 Linear Learner 算法。 您现在可以在 Amazon SageMaker 使用八种新的损失函数：平方损失，适用于大多数回归问题，用于估算均值；绝对损失，适用于估算均值；五分位损失，提供用于预测的五分位值 (例如分配的 0.9 五分位)； Huber 损失，适用于使用平方损失进行训练但可避免界外值的敏感性；Epsilon-Insensitive 损失，适用于规定可接受误差的阈值；逻辑回归，适用于二进制分类问题；Hinge 损失，也称支持向量机 (SVM)，适用于二进制分类。最后，Linear Learner 还允许您制定类权重，适用于解决二进制分类问题中的高度非平衡训练数据。
Amazon SageMaker 中的这些新功能现已在美国东部（弗吉尼亚北部）、美国东部（俄亥俄）、欧洲（爱尔兰）和美国西部（俄勒冈）等 AWS 区域提供。有关 Linear Learner 增强功能的其他详细信息，包括新损失函数，请访问 AWS Machine Learning 博客。