Publicado en: Mar 28, 2018
Ahora puede aprovechar las nuevas características en Amazon SageMaker, que fue diseñado para acelerar su formación y ayudarlo a personalizar sus modelos de regresión lineal y clasificación binaria al usar el algoritmo de aprendizaje lineal.
Como parte de la mejora del Aprendizaje lineal, Amazon SageMaker ha agregado la parada anticipada automática con o sin un conjunto de datos de validación durante el ajuste de modelo. Si le proporciona al algoritmo de Aprendizaje lineal un conjunto de datos de validación, su formación de modelo se detendrá antes de tiempo una vez que la pérdida de validación ya no mejora. Si no se dispone de un conjunto de datos de validación, la formación de modelo se detendrá antes de tiempo cuando la pérdida de formación deje de mejorar y vuelva al mejor modelo.
Además, existen varias formas nuevas de personalizar el algoritmo de Aprendizaje lineal para su formación de modelo mediante el uso de las nuevas funciones de pérdida para los hiperparámetros del Aprendizaje lineal. Ya puede usar las ocho nuevas funciones de pérdida en Amazon SageMaker: la pérdida Cuadrática, para la mayoría de los problemas de regresión, con el fin de estimar la media; la pérdida Absoluta, para generar cálculos de la mediana; la pérdida Cuantílica, con el fin de brindar un valor cuantílico para hacer predicciones (por ejemplo: 0.9 cuantiles de distribución); la pérdida Huber, para la formación con la pérdida cuadrática, pero evitando la sensibilidad a los valores fuera de rango; la pérdida Epsilon-Insensitive, para especificar un umbral de errores aceptables; la Regresión logística, para problemas de clasificación binaria; la pérdida Hinge, también conocida como las máquinas de soporte vectorial (SVM), para las clasificaciones binarias. Finalmente, el Aprendizaje lineal también le permite especificar los pesos de las clases, para datos de formación muy desbalanceados en problemas de clasificación binaria.
Estas características nuevas de Amazon SageMaker ya están disponibles en las regiones de AWS de EE.UU. Este (Norte de Virginia), EE.UU. Este (Ohio), UE (Irlanda) y EE.UU. Oeste (Oregón). Para más detalles sobre las mejoras del Aprendizaje lineal, incluidas las nuevas funciones de pérdida, visite el Blog Machine Learning de AWS.