发布于: Oct 28, 2022
使用 Amazon SageMaker Model Monitor，您现在可以 在 SageMaker 中监控批量转换作业的机器学习预测质量。 Amazon SageMaker Model Monitor 提供了完全托管的体验，可以监控生产环境中的模型、检测偏差并及时采取措施（例如审核或重新训练）。
借助 Amazon SageMaker 批量转换，您可以针对 Amazon S3 中存储的数据集运行预测。如果您需要处理大型数据集且不需要持久推理端点，则 Amazon SageMaker 批量转换为理想之选。将模型部署到生产环境中之后，实际环境中的数据可能会随时间的推移偏离用于训练模型的数据，最终导致模型准确度降低。例如，宏观经济条件（例如利率）的变化可能会影响用于预测房价的模型的质量。Model Monitor 可以检测数据质量的偏差、模型质量、偏移和特征归因，并在发生这些变化时提醒您采取补救措施。
通过 Amazon SageMaker Model Monitor，您可以收集生产环境中的批量转换数据，分析这些数据，并将其与训练或验证数据进行比较，以检测偏差。您可以使用 SageMaker Model Monitor 的内置规则即刻检测结构化数据集的偏差、在运行内置规则之前添加数据转换，也可以编写自己的自定义规则。您可以对多种实例类型使用 Model Monitor，可以安排作业定期（例如每小时/每日）或按需运行，将摘要指标推送到 Amazon CloudWatch，设置提醒和触发器以采取纠正措施。