Veröffentlicht am: Sep 21, 2021
Amazon SageMaker Autopilot erstellt, trainiert und optimiert automatisch die besten Modelle für Machine Learning basierend auf Ihren Daten und ermöglicht Ihnen gleichzeitig die vollständige Kontrolle und Sichtbarkeit. Ab heute generiert der SageMaker Autopilot neben der objektiven Metrik zusätzliche Metriken für alle Modellkandidaten. Bei binären Klassifizierungsproblemen generiert Autopilot jetzt für alle Modellkandidaten F1-Score (harmonisches Mittel aus Präzision und Wiedererkennung), Genauigkeit und AUC (area under the curve, Fläche unter der Kurve). Bei der Mehrklassen-Klassifizierung generiert Autopilot jetzt sowohl F1-Makro als auch Genauigkeit für alle Modellkandidaten. Wie bereits erwähnt, können Sie jede dieser Metriken als objektive Metrik auswählen, die von Ihrem Autopilot-Experiment optimiert werden soll. Durch die Anzeige zusätzlicher Metriken neben der objektiven Metrik können Sie nun mehrere Kandidaten schnell bewerten und vergleichen, um ein Modell zu erstellen, das Ihren Anforderungen am besten entspricht.
Die zusätzlichen Metriken werden jetzt in allen AWS-Regionen generiert, in denen SageMaker Autopilot derzeit unterstützt wird. Eine vollständige Liste der Metriken und der standardmäßigen objektiven Metrik pro Problemtyp finden Sie in der Dokumentation. Um mit SageMaker Autopilot zu arbeiten, lesen Sie den Abschnitt Einführung oder greifen Sie auf Autopilot in SageMaker Studio zu.