投稿日: Feb 8, 2022
Amazon SageMaker Autopilot は、完全な制御と可視性を維持しながら、データに基づいて最適な機械学習モデルを自動的に構築、トレーニング、および調整します。本日より、SageMaker Autopilot では、新しいメトリクスとレポートが提供されます。これにより、分類の問題に関してモデルのパフォーマンスの可視性が向上します。モデルリーダーボードでこれらのメトリクスを活用して、最適なモデルについてより多くのインサイトを集めることができます。
新しいメトリクスとレポートには、Confusion Matrix、Area under the receiver operating characteristic (AUC-ROC) 曲線および Area under the precision-recall curve (AUC-PR) 曲線が含まれます。これらは、偽陽性/偽陰性、真陽性と偽陽性間のトレードオフ、適合率と再現率間のトレードオフの理解に役立ち、最適なモデルのパフォーマンス特性が評価されます。具体的には、Confusion matrix は異なるクラス/ラベルに関するモデルのパフォーマンスの可視化に役立ち、Area under the receiver operating characteristic (AUC-ROC) は真陽性率と偽陽性率間のトレードオフを表し、Area under the precision-recall curve (AUC-PR) は適合率と再現率間のトレードオフを表します。これらの新しいメトリクスは、最適なモデル候補の [Model Details] (モデル詳細) の新しい [Performance] (パフォーマンス) タブから利用でき、PDF 形式のレポートとしてダウンロードできます。以前に利用可能となった、F1、F1 マクロ、AUC、MSE および Accuracy などの追加のスカラーメトリクスは、リーダーボードのすべてのモデル候補で利用可能です。
本日より、SageMaker Autopilot が利用できるすべてのリージョンで、最適なモデル候補を得るための新しいモデルレポートとインサイトが利用できるようになりました。詳細については、「Autopilot Model Reports」(Autopilot モデルレポート) を参照してください。SageMaker Autopilot の使用をスタートするには、製品ページを参照するか、SageMaker Studio 内の SageMaker Autopilot にアクセスしてください。