发布于: Jun 10, 2022
SageMaker Experiments 现支持精细指标和图表来帮助您更好地了解在 SageMaker 上执行的训练任务的结果。Amazon SageMaker Experiments 是 Amazon SageMaker 的一项功能，可让您组织、跟踪、比较和评估机器学习 (ML) 实验。随着该功能的推出，您现在可以查看精确率和召回率 (PR) 曲线、受试者工作特征（ROC 曲线）和混淆矩阵。您可以利用这些曲线来了解假阳性/阴性，以及在 SageMaker 上训练的模型的性能和准确性之间的权衡。您还可以更好地比较多个运行的训练，从而为您的使用案例确定最佳模型。
要开始使用，请使用 python 软件开发工具包记录训练脚本中的试验的指标。要查看试验的图表，请导航到 SageMaker Studio 中的 Experiments UI 中的图表选项卡。自即日起，该功能在推出 SageMaker Experiments 的所有区域均可用。要开始使用 SageMaker Experiments，请参阅文档页面或在 SageMaker Studio 中访问 SageMaker Experiments。