Amazon SageMaker Autopilot 现在可以为分类问题生成额外指标

Amazon SageMaker Autopilot 可根据您的数据自动构建、训练和调整最佳机器学习模型，同时允许您保持完全控制和可见性。即日起，SageMaker Autopilot 可以为所有候选模型生成额外指标以及目标指标。对于二元分类问题，Autopilot 现在可以为所有候选模型生成 F1 分数（准确率和召回率的谐波平均值）、准确率和 AUC（曲线下面积）。对于多类别分类，Autopilot 现在可以为所有候选模型生成 F1 宏和准确率。正如之前所支持的，您可以选择这些指标中的任何一个作为目标指标，以通过您的 Autopilot 实验来进行优化。通过查看额外指标和目标指标，您现在可以快速评估和比较多个候选模型，以构建最能满足您需求的模型。

现在，在当前支持 SageMaker Autopilot 的所有 AWS 区域都可以生成这些额外指标。有关每个问题类型的指标和默认目标指标的完整列表，请参阅文档。要开始使用 SageMaker Autopilot，请参阅开始使用或在 SageMaker Studio 中访问 Autopilot。