Publié le: Jul 25, 2023
Amazon SageMaker Canvas permet désormais d'entraîner des modèles de machine learning (ML) à l'aide de différentes métriques objectives, ce qui vous permet de mieux comprendre les forces et les faiblesses du modèle. SageMaker Canvas est une interface visuelle qui permet aux analystes métier et aux scientifiques des données des citoyens de générer par eux-mêmes des prédictions de ML précises, sans avoir besoin d'expertise dans le ML ou d'écrire la moindre ligne de code.
Par défaut, SageMaker Canvas sélectionne la métrique objective la plus adaptée à chaque type de problème. Toutefois, en entraînant les modèles de machine learning avec différentes métriques objectives, vous pouvez améliorer leur robustesse et leurs capacités de généralisation. L'optimisation pour une seule métrique peut entraîner un surajustement ou un biais en faveur des données d'entraînement. La diversité des métriques implique souvent des compromis. Par exemple, l'optimisation de la précision peut entraîner une diminution de la mémorisation, et vice versa. En formant des modèles dotés de différentes métriques objectives, vous pouvez évaluer ces compromis et choisir le meilleur compromis qui correspond à vos besoins spécifiques. Jusqu'à présent, SageMaker Canvas ne prenait en charge qu'une seule métrique objective par défaut pour chaque type de problème. À compter d'aujourd'hui, vous pouvez sélectionner une métrique objective dans la liste des métriques prises en charge et optimiser vos modèles de machine learning en conséquence.
La possibilité d'entraîner des modèles de machine learning avec différentes métriques objectives dans Amazon SageMaker Canvas est désormais disponible dans toutes les régions AWS où SageMaker Canvas est pris en charge. Pour en savoir plus, consultez la documentation produit de SageMaker Canvas.