Publicado: Jul 25, 2023
Agora, o Amazon SageMaker Canvas oferece a capacidade de treinar modelos de machine learning (ML) com diferentes métricas objetivas para que você tenha uma compreensão mais abrangente dos pontos fortes e fracos do modelo. O SageMaker Canvas é uma interface visual que permite que analistas de negócios e cientistas de dados de cidadãos gerem suas próprias previsões precisas de ML, sem precisar de especialização em ML e sem escrever nenhuma linha de código.
Por padrão, o SageMaker Canvas seleciona a métrica objetiva mais adequada para cada tipo de problema. No entanto, ao treinar modelos de ML com métricas objetivas diferentes, você pode aprimorar sua robustez e seus recursos de generalização. A otimização de uma única métrica pode levar a ajustes excessivos ou vieses nos dados de treinamento. Geralmente, métricas diferentes envolvem compensações. Por exemplo, a otimização da precisão pode resultar em menor recordação e vice-versa. Quando treina modelos com diferentes métricas objetivas, você pode avaliar essas compensações e escolher o melhor compromisso alinhado a necessidades específicas. Até agora, o SageMaker Canvas oferecia suporte a uma única métrica objetiva padrão para cada tipo de problema. A partir de hoje, você pode selecionar uma métrica objetiva na lista de métricas compatíveis e otimizar adequadamente os modelos de ML.
A capacidade de treinar modelos de ML com diferentes métricas objetivas no Amazon SageMaker Canvas já está disponível em todas as regiões da AWS com suporte ao SageMaker Canvas. Para saber mais, consulte a documentação de produto do SageMaker Canvas.