Publicado en: Jul 25, 2023
Amazon SageMaker Canvas ahora ofrece la posibilidad de entrenar modelos de machine learning (ML) con diferentes métricas objetivo, lo que le permite obtener una comprensión más completa de los puntos fuertes y débiles del modelo. SageMaker Canvas es una interfaz visual que permite a los analistas de negocios y a los ciudadanos científicos de datos generar predicciones de ML precisas por su cuenta, sin la necesidad de contar con experiencia en esta tecnología ni de escribir líneas de código.
De forma predeterminada, SageMaker Canvas selecciona la métrica objetivo más adecuada para cada tipo de problema. Sin embargo, al entrenar los modelos de ML con diferentes métricas objetivas, puede mejorar sus capacidades de robustez y generalización. La optimización para una sola métrica puede provocar un sobreajuste o un sesgo hacia los datos de entrenamiento. Las diferentes métricas suelen implicar compensaciones. Por ejemplo, la optimización de la precisión puede resultar en una menor recuperación y viceversa. Al entrenar modelos con diferentes métricas objetivo, puede evaluar estas compensaciones y elegir el mejor compromiso que se ajuste a sus requisitos específicos. Hasta ahora, SageMaker Canvas solo admitía una única métrica objetivo predeterminada para cada tipo de problema. A partir de hoy, puede seleccionar una métrica objetivo de la lista de métricas compatibles y optimizar sus modelos de ML en consecuencia.
La posibilidad de entrenar modelos de ML con diferentes métricas objetivo en Amazon SageMaker Canvas ya está disponible en todas las regiones de AWS en las que se admite SageMaker Canvas. Para obtener más información, consulte la documentación del producto SageMaker Canvas.