Inserito il: Mar 28, 2018
Da oggi puoi sfruttare i vantaggi delle nuove funzioni in Amazon SageMaker ideate per velocizzare il training e aiutarti a personalizzare i tuoi modelli sia per la regressione lineare che la classificazione binaria utilizzando l'algoritmo di apprendimento lineare.°
Tra i miglioramenti dell'apprendimento lineare, Amazon SageMaker ha incluso l'arresto anticipato automatico con o senza un set di dati di convalida durante l'ottimizzazione del modello. Se fornisci all'algoritmo di apprendimento lineare un set di dati di convalida, il training del modello si interromperà in anticipo quando la perdita di convalida smetterà di migliorare. Se non è disponibile nessun set di convalida, il training del modello si interromperà in anticipo quando la perdita di training smetterà di migliorare e si convertirà nel modello migliore.
Inoltre, vi sono numerosi nuovi modi di personalizzare l'algoritmo di apprendimento lineare per il tuo training del modello utilizzando le nuove funzioni di perdita per gli iperparametri dell'apprendimento lineare. Ora puoi utilizzare otto nuove funzioni di perdita in Amazon SageMaker: Squared Loss, per i problemi di regressione, per stimarne la media; Absolute Loss, per produrre stime della mediana; Quantile Loss, per fornire un valore quantile su cui fare previsioni (per esempio quantile 0.9 della distribuzione); Huber Loss, per effettuare il training con la Squared Loss evitando sensibilità anomala; Epsilon-Insensitive Loss, per specificare una soglia di errori accettabili; Logistic Regression, per problemi di classificazione binaria; Hinge Loss, nota anche come Support Vector Machine (SVM) per classificazioni binarie. Infine, l'apprendimento lineare permette anche di specificare i pesi delle classi, per dati di training fortemente sbilanciati in problemi di classificazione binaria.°
Queste nuove funzioni di Amazon SageMaker sono disponibili oggi nelle regioni AWS di Stati Uniti orientali (Virginia settentrionale), Stati Uniti orientali (Ohio), UE (Irlanda) e Stati Uniti occidentali (Oregon). Per ulteriori dettagli sui miglioramenti dell'apprendimento lineare, incluse le nuove funzioni di perdita, visita il Blog AWS Machine Learning. °