Publié le: Mar 28, 2018
Vous pouvez désormais tirer parti des nouvelles fonctionnalités d'Amazon SageMaker conçues pour accélérer votre formation et vous aider à personnaliser vos modèles pour la régression linéaire et la classification binaire à l'aide de l'algorithme Linear Learner.
Dans le cadre de l'amélioration de Linear Learner, Amazon SageMaker a ajouté un arrêt anticipé automatique avec ou sans jeu de données de validation pendant l'optimisation du modèle. Si vous fournissez à l'algorithme Linear Learner un jeu de données de validation, votre formation sur le modèle s’arrêtera aussitôt que la perte de validation cessera de s'améliorer. Si aucun jeu de validation n'est disponible, l'entraînement par modèle s'arrêtera prématurément lorsque la perte d'entraînement cessera de s'améliorer et reviendra au meilleur modèle.
En outre, il existe plusieurs nouvelles façons de personnaliser l'algorithme Linear Learner pour la formation de votre modèle en utilisant de nouvelles fonctions de perte pour les hyperparamètres Linear Learner.Vous pouvez maintenant utiliser huit nouvelles fonctions de perte dans Amazon SageMaker: perte carrée, pour la plupart des problèmes de régression, pour estimer la moyenne; perte absolue, pour produire des estimations de la médiane; perte quantile, pour fournir une valeur quantile sur laquelle faire des prédictions (par exemple, 0,9 quantile de la distribution); perte de Huber, pour s'entraîner avec une perte carrée mais en évitant une sensibilité aberrante; perte insensible à Epsilon, pour spécifier un seuil pour les erreurs acceptables; régression logistique, pour les problèmes de classification binaire; perte de charnière, également connue sous le nom de machine à vecteurs de support (MVS) pour les classifications binaires. Enfin, Linear Learner vous permet également de spécifier des poids de classe, pour des données d'entraînement très déséquilibrées dans des problèmes de classification binaire.
Ces nouvelles fonctionnalités d'Amazon SageMaker sont disponibles aujourd'hui dans les régions AWS USA Est (Virginie du Nord), USA Est (Ohio), UE (Irlande) et USA Ouest (Oregon). Pour plus de détails sur les améliorations de Linear Learner, y compris les nouvelles fonctions de perte, rendez-vous sur le blog AWS Machine Learning.