Veröffentlicht am: Jul 25, 2023
Amazon SageMaker Canvas bietet jetzt die Möglichkeit, Machine Learning (ML)-Modelle mit unterschiedlichen objektiven Metriken zu trainieren, sodass Sie ein umfassenderes Verständnis der Stärken und Schwächen des Modells gewinnen können. Amazon SageMaker Canvas ist eine visuelle Benutzeroberfläche, mit der Geschäftsanalysten und Datenwissenschaftlern eigenständig genaue ML-Prognosen erstellen können – ohne Erfahrung mit Machine Learning haben oder Code schreiben zu müssen.
Standardmäßig wählt SageMaker Canvas die am besten geeignete Zielmetrik für jeden Problemtyp aus. Wenn Sie jedoch ML-Modelle mit verschiedenen objektiven Metriken trainieren, können Sie deren Stabilität und Generalisierungsfähigkeiten verbessern. Die Optimierung für eine einzelne Metrik kann zu einer übermäßigen Anpassung oder Verzerrung der Trainingsdaten führen. Unterschiedliche Metriken sind oft mit Kompromissen verbunden. So kann beispielsweise eine Optimierung der Genauigkeit zu einer geringeren Trefferquote führen und umgekehrt. Wenn Sie Modelle mit verschiedenen objektiven Metriken trainieren, können Sie diese Kompromisse bewerten und den besten Kompromiss wählen, der Ihren spezifischen Anforderungen entspricht. Bis jetzt unterstützte SageMaker Canvas nur eine einzige Standard-Zielmetrik für jeden Problemtyp. Ab heute können Sie eine objektive Metrik aus der Liste der unterstützten Metriken auswählen und Ihre ML-Modelle entsprechend optimieren.
Die Möglichkeit, ML-Modelle mit verschiedenen objektiven Metriken in Amazon SageMaker Canvas zu trainieren, ist jetzt in allen AWS-Regionen verfügbar, in denen SageMaker Canvas unterstützt wird. Weitere Informationen finden Sie in der Produktdokumentation zu SageMaker Canvas.