Veröffentlicht am: Feb 8, 2022
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 bietet SageMaker Autopilot neue Metriken und Berichte, die Ihnen einen besseren Einblick in die Modellleistung bei Klassifizierungsproblemen bieten. Sie können diese Metriken nutzen, um mehr Einblicke in das beste Modell in der Modell-Bestenliste zu erhalten.
Zu den neuen Metriken und Berichten gehören Confusion Matrix, Bereich unter Empfängerbetriebscharakteristik (AUC-ROC) Kurve und Bereich unter der Precision-Recall-Kurve (AUC-PR), die beim Verständnis von Falsch-Positiven/Falsch-Negativen, Kompromissen zwischen Richtig-Positiven und Falsch-Positiven, Kompromissen zwischen Präzision und Erinnerung helfen, um die Leistungsmerkmale des besten Modells zu bewerten. Insbesondere hilft die Confusion Matrix bei der Visualisierung der Modellleistung in Bezug auf verschiedene Klassen/Markierungen, die Fläche unter der Empfängerbetriebscharakteristik (AUC-ROC) ist repräsentativ für den Kompromiss zwischen Richtig-Positiv- und Falsch-Positiv-Raten, und den Bereich unter der Präzisions-Recall-Kurve (AUC-PR) ist repräsentativ für den Kompromiss zwischen Präzision und Recall. Diese neuen Metriken sind auf einer neuen Registerkarte „Leistung“ unter „Modelldetails“ für den besten Modellkandidaten verfügbar und können in einem PDF-Bericht heruntergeladen werden. Wie zuvor verfügbar, sind zusätzliche skalare Metriken wie F1, F1-Makro, AUC, MSE und Genauigkeit für alle Modellkandidaten in der Rangliste verfügbar.
Ab heute sind diese neuen Modellberichte und Einblicke für den besten Kandidaten in allen Regionen verfügbar, in denen SageMaker Autopilot verfügbar ist. Weitere Informationen finden Sie unter Autopilot-Modellberichte. Informationen zu den ersten Schritten mit SageMaker Autopilot finden Sie auf der Produktseite oder greifen Sie in SageMaker Studio auf SageMaker Autopilot zu.