投稿日: Mar 28, 2018
線形学習アルゴリズムを使用して、トレーニングの迅速化や線形回帰とバイナリ分類の両方でモデルのカスタマイズ化に役立つようデザインされた Amazon SageMaker の新しい機能を活用できるようになりました。
線形学習の機能強化の一環として、Amazon SageMaker に、モデルチューニング中、検証データセットな有無を問わず、早期に自動停止を行う機能が追加されました。検証データセット付きの線形学習アルゴリズムを提供すると、モデルのトレーニングは、検証の損失で改善が止まると、早期に停止します。検証セットが利用できない場合、モデルのトレーニングは損失のトレーニングで改善が止まった時点で早期に停止し、最適なモデルへと逆戻りします。
さらに、線形学習ハイパーパラメーター用に新しい損失関数を使用してモデルのトレーニングを行う線形学習アルゴリズムをカスタマイズする新しい方法が複数用意されています。 今後は、Amazon SageMaker で次の 8 つの新しい損失関数を使用できるようになります。Squared Loss (ほとんどの回帰問題用で平均値を見積もるために使用)、Absolute Loss (平均値の見積りを作成)、Quantile Loss (たとえば、分散の分位点 0.9 など、予測値の算出のために分位点値を作成)、Huber Loss (二乗損失関数付きのトレーニング用、ただし、異常値の感度は回避)、Epsilon-Insensitive Loss (エラーを許容するしきい値を指定)、Logistic Regression (バイナリ分類の問題用)、Hinge Loss (別名 Support Vector Machine (SVM)、バイナリ分類用)。最終的に、線形学習によりユーザーは暮らすの重量を指定することもできます。これにより、バイナリ分類問題について、極めてレベルの高いアンバランスなトレーニングデータが得られます。
これら、Amazon SageMaker の新しい機能は、本日から米国東部 (バージニア北部)、米国東部 (オハイオ)、欧州 (アイルランド)、および米国西部 (オレゴン) の各 AWS リージョンでご利用いただけます。新しい損失関数を含む、線形学習の機能強化について詳しくは、AWS Machine Learning Blog にアクセスしてください。