发布于: Nov 7, 2023
Amazon SageMaker Canvas 是一个无代码工作区，使分析师和公民数据科学家能够根据其业务需求生成准确的机器学习预测。即日起，Canvas 支持高级模型构建配置，例如选择训练方法（集成/超参数优化）和算法、自定义训练/验证数据拆分率以及限制 AutoML 迭代和作业运行时间，因此用户无需编写任何代码即可自定义模型构建配置。这种灵活性可以推动更强大、更具洞察力的模型开发。非技术利益相关者可以在默认设置下使用无代码功能，而公民数据科学家可以尝试各种机器学习算法和技术，从而有助于他们了解哪些方法最适合他们的数据，并进行优化以确保模型的质量和性能。
除了模型构建配置外，SageMaker Canvas 现在还提供模型排行榜。您可以根据排行榜轻松比较由 Canvas 评估的不同模型配置的关键性能指标（例如准确性、精确率、召回率、F1 分数），以便为您的数据生成最佳模型，从而提高模型构建的透明度，使您能够就模型选择做出明智的决策。您还可以在笔记本中查看整个模型构建工作流程，包括建议的预处理步骤、算法和超参数范围。
要使用这些功能，请登出再重新登录 SageMaker Canvas，然后在构建模型时单击“配置模型”。现在，支持 SageMaker Canvas 的所有 AWS 区域都支持在 Amazon SageMaker Canvas 中自定义模型配置、查看模型排行榜和下载 AutoML 工作流程笔记本。