发布于: Mar 28, 2018

您现在可以利用 Amazon SageMaker 中新功能,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,有多个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) AWS 区域开放。有关 Linear Learner 增强的其他详细信息,包括新的损失函数,请访问 AWS Machine Learning 博客