張貼日期: Mar 28, 2018
現在您可利用 Amazon SageMaker 中的新功能，設計用於加快您的訓練速度，並協助您使用線性學習演算法針對線性迴歸和二進位分類自訂模型。
在增強線性學習的過程中，Amazon SageMaker 已在模型調校期間利用\不利用驗證資料集新增自動提早停用。如果您透過驗證資料集提供線性學習演算法，您的模型訓練將在驗證損失停止改進後提早停用。如果沒有驗證集，則訓練損失停止改進並回復至最佳模型時，模型訓練將提早停用。
此外，您可採用數個新方式來使用線性學習超參數的新損失函數，針對您的模型訓練自訂線性學習演算法。 現在您可在 Amazon SageMaker 中使用 8 個新損失函數：平均損失 (適用於大多數迴歸問題，以預估平均數)、絕對損失 (產生中位數的預估)、分位數損失 (提供分位數值，以進行預測，例如分佈的 0.9 分位數)、Huber 損失 (適用於平均損失訓練，但避免異常值敏感性)、Epsilon 不敏感損失 (用於指定可接受錯誤的臨界值)、邏輯迴歸 (針對二進位分類問題)、鉸鏈損失 (也稱為支援向量機 (SVM)，用於二進位分類)。最後，針對二進位分類問題中的高度不平衡的訓練資料，線性學習還可讓您指定類別權重。
Amazon SageMaker 中的這些新功能現可在美國東部 (維吉尼亞北部)、美國東部 (俄亥俄)、歐洲 (愛爾蘭) 和美國西部 (奧勒岡) 等 AWS 區域使用。如需線性學習增強功能的其他詳細資訊，包括新損失函數，請造訪 AWS Machine Learning 部落格。