Der Weg zur Vorbereitung eines ML-Modells umfasst die Erstellung einer ML-Berechnung (d.h. der Lernberechnung) mit der Vorbereitung von Informationen, aus denen man gewinnen kann. Der Begriff ML-Modell spielt auf die antike Seltenheit des Modells an, die durch das Vorbereitungsverfahren hergestellt wird.

Die Vorbereitungsinformationen müssen die richtige Antwort enthalten, die als Ziel- oder Zieleigenschaft bezeichnet wird. Die Lernkalkulation entdeckt in den Vorbereitungsinformationen Entwürfe, die die Informationen leiten und die dem Ziel (der angemessenen Antwort, die Sie vorwegnehmen müssen) zugeschrieben werden, und sie ergibt ein ML-Modell, das diese Beispiele auffängt.

Sie können das ML-Modell nutzen, um Prognosen zu neuen Informationen zu erhalten, bei denen Sie nicht die geringste Ahnung vom Ziel haben. Nehmen wir zum Beispiel an, dass Sie ein ML-Modell vorbereiten müssen, um vorherzusehen, ob es sich bei einer E-Mail um Spam oder nicht um Spam handelt. Sie würden Amazon ML mit vorbereitenden Informationen versorgen, die Nachrichten enthalten, deren Ziel Sie kennen (d.h. einen Namen, der angibt, ob es sich bei einer E-Mail um Spam oder nicht um Spam handelt). Amazon ML würde unter Verwendung dieser Informationen ein ML-Modell vorbereiten und ein Modell erstellen, das versucht vorherzusehen, ob es sich bei einer neuen E-Mail um Spam oder nicht um Spam handelt.

Arten von ML-Modellen

Amazonas-ML unterstützt drei Arten von ML-Modellen: parallele Charakterisierung, Mehrklassen-Gruppierung und Rückfall. Welche Art von Modell Sie wählen sollten, hängt von der Art der Fokussierung ab, die Sie voraussehen müssen.

Modell der parallelen Anordnung

ML-Modelle für Fragen der parallelen Anordnung sehen ein doppeltes Ergebnis vor (eine von zwei möglichen Klassen). Zur Vorbereitung von Modellen zur doppelten Gruppierung verwendet Amazon ML die als strategischer Rückfall bekannte betriebswirtschaftliche Standardlernberechnung.

Fälle gepaarter Charakterisierungsprobleme

“Ist diese E-Mail Spam oder kein Spam?

“Wird der Kunde diesen Artikel kaufen?”

“Ist dieser Gegenstand ein Buch oder Vieh?”

“Wird dieses Audit von einem Kunden oder einem Roboter verfasst?”

Mehrklassen-Charakterisierungsmodell

ML-Modelle für Mehrklassen-Charakterisierungsfragen ermöglichen es Ihnen, Erwartungen für zahlreiche Klassen zu erstellen (eines der mehrfachen Ergebnisse vorherzusagen). Für die Erstellung von Mehrklassenmodellen verwendet Amazon ML die als multinomialer strategischer Rückfall bekannte Geschäftsstandard-Lernberechnung.

Instanzen von Mehrklassenproblemen

“Ist dieser Gegenstand ein Buch, ein Film oder ein Kleidungsstück?”

“Ist dieser Film eine leichtherzige Komödie, eine Erzählung oder ein Gruselkabinett?

“Welche Klassifizierung von Gegenständen ist für diesen Kunden am interessantesten?

Rückfall-Modell

ML-Modelle für Rückfallthemen sehen einen numerischen Wert vor. Für die Erstellung von Rückfall-Modellen verwendet Amazon ML die als gerader Rückfall bekannte Berechnung des Lernens nach Geschäftsstandard.

Erstellen eines ML-Modells

Nachdem Sie eine Datenquelle erstellt haben, sind Sie bereit, ein ML-Modell zu erstellen. Falls Sie die KI-Unterstützung von Amazon nutzen, um ein Modell zu erstellen, können Sie entscheiden, ob Sie die Standardeinstellungen verwenden oder Ihr Modell durch die Anwendung benutzerdefinierter Alternativen optimieren möchten.

Benutzerdefinierte Alternativen umfassen:

Assessment Einstellungen: Sie können sich dafür entscheiden, dass Amazon ML einen Teil der Informationen speichert, um die vorausschauende Natur des ML-Modells zu bewerten. Daten zu Bewertungen finden Sie unter ML-Modelle bewerten.

Eine Formel: Eine Formel verrät Amazon ML, welche Qualitäten und Merkmalsveränderungen für die Modellerstellung zugänglich sind. Daten zu den Plänen von Amazon ML finden Sie unter Änderungen mit Informationsplänen hervorheben.

Parameter vorbereiten: Parameter steuern bestimmte Eigenschaften des Präparationsverfahrens und des nachfolgenden ML-Modells. Weitere Daten zur Vorbereitung von Parametern finden Sie unter Parameter vorbereiten.

Um Werte für diese Einstellungen auszuwählen oder festzulegen, wählen Sie die Option Benutzerdefinierte Auswahl, wenn Sie den Assistenten ML-Modell erstellen verwenden. Für den Fall, dass Sie Amazon ML benötigen, um die Standardeinstellungen anzuwenden, wählen Sie Standard.

An dem Punkt, an dem Sie ein ML-Modell erstellen, wählt Amazon ML die Art der Lernkalkulation aus, die es verwendet, abhängig von der charakteristischen Art Ihrer objektiven Qualität. (Die objektive Eigenschaft ist die Eigenschaft, die die “richtigen” Antworten enthält.) Wenn Ihr objektives Merkmal das Doppelte ist, erstellt Amazon ML ein Modell mit zweifacher Ordnung, das die strategische Rückfallberechnung verwendet. Für den unwahrscheinlichen Fall, dass Ihre objektive Eigenschaft All out ist, erstellt Amazon ML ein Mehrklassenmodell, das eine multinomiale berechnete Rückfallberechnung verwendet. Für den unwahrscheinlichen Fall, dass Ihr objektives Merkmal numerisch ist, erstellt Amazon ML ein Rückfallmodell, das eine direkte Rückfallberechnung verwendet.

Punkte

Anforderungen

Ein ML-Modell mit Standardauswahlen erstellen

Erstellen eines ML-Modells mit benutzerdefinierten Auswahlmöglichkeiten

Anforderungen

Bevor Sie die ML-Unterstützung von Amazon zur Erstellung eines ML-Modells nutzen können, müssen Sie zwei Datenquellen erstellen, eine zur Vorbereitung des Modells und eine zur Bewertung des Modells. Für den unwahrscheinlichen Fall, dass Sie nicht zwei Datenquellen erstellt haben, siehe Schritt 2: Erstellen Sie eine Vorbereitungsdatenquelle in der Anleitungsübung.

Ein ML-Modell mit Standardauswahlen erstellen

Wählen Sie die Standardauswahlen, falls Sie Amazon ML dazu benötigen:

Teilen Sie die Info-Informationen auf, um die anfänglichen 70 Prozent für die Vorbereitung und die verbleibenden 30 Prozent für die Beurteilung zu nutzen

Empfehlen Sie eine Formel, die von den Erkenntnissen abhängt, die in der Vorbereitungsdatenquelle gesammelt wurden, die 70 Prozent der Info-Datenquelle ausmacht

Standard-Vorbereitungsparameter auswählen

So wählen Sie Standardalternativen

Wählen Sie bei der Amazon ML-Unterstützung Amazon AI und danach ML-Modelle aus.

Wählen Sie auf der Zusammenfassungsseite der ML-Modelle die Option Ein weiteres ML-Modell erstellen.

Stellen Sie auf der Informationsseite sicher, dass ich zuvor eine Datenquelle erstellt habe, die meine S3-Informationen enthält.

Wählen Sie in der Tabelle Ihre Datenquelle aus und wählen Sie anschließend Weiter.

Geben Sie auf der Seite mit den ML-Modelleinstellungen unter ML-Modellname einen Namen für Ihr ML-Modell ein.

Stellen Sie bei den Einstellungen für Vorbereitung und Bewertung sicher, dass Standard gewählt ist.

Geben Sie für Name, diese Beurteilung, einen Namen für die Beurteilung ein und wählen Sie anschließend Umfrage. Amazon ML umgeht den Rest des Assistenten und bringt Sie zur Seite Umfrage.

Überprüfen Sie Ihre Informationen, löschen Sie alle duplizierten Beschriftungen aus der Datenquelle, die Sie nicht auf Ihr Modell und Ihre Bewertungen anwenden müssen, und wählen Sie anschließend Fertig stellen.

Erstellen eines ML-Modells mit benutzerdefinierten Auswahlmöglichkeiten

Die Optimierung Ihres ML-Modells ermöglicht Ihnen dies:

Geben Sie Ihre eigene Formel an. Informationen darüber, wie Sie Ihre eigene Formel angeben können, finden Sie unter Referenz zur Formelorganisation.

Wählen Sie Vorbereitungsparameter aus. Weitere Daten zur Vorbereitung von Parametern finden Sie unter Parameter vorbereiten.

Wählen Sie einen anderen als den standardmäßigen 70/30-Anteil für die Vorbereitung/Bewertung oder geben Sie eine andere Datenquelle an, die Sie gerade für die Bewertung vereinbart haben. Daten zu Trennungstechniken finden Sie unter Trennung Ihrer Informationen.

Sie können ebenfalls die Standardschätzungen für jede dieser Einstellungen auswählen.

Für den Fall, dass Sie gerade ein Modell mit den Standardalternativen erstellt haben und die vorausschauende Darstellung Ihres Modells verbessern müssen, verwenden Sie die Option Benutzerdefiniert, um ein weiteres Modell mit einigen angepassten Einstellungen zu erstellen. Sie können z.B. weitere Komponentenänderungen an der Formel vornehmen oder die Anzahl der Gänge im Präparationsparameter erhöhen.

So erstellen Sie ein Modell mit benutzerdefinierten Alternativen

Bei der ML-Unterstützung von Amazon wählen Sie Amazon AI und danach ML-Modelle.

Wählen Sie auf der Zusammenfassungsseite der ML-Modelle die Option Ein weiteres ML-Modell erstellen.

Für den Fall, dass Sie gerade eine Datenquelle erstellt haben, wählen Sie auf der Informationsseite Info die Option Ich habe zuvor eine Datenquelle erstellt, die meine S3-Informationen enthält. Wählen Sie in der Tabelle Ihre Datenquelle aus und wählen Sie anschließend Weiter.

Für den Fall, dass Sie eine Datenquelle erstellen müssen, wählen Sie Meine Informationen sind in S3, und ich muss eine Datenquelle erstellen, wählen Sie Fortfahren. Sie werden zum Assistenten zum Erstellen einer Datenquelle umgeleitet. Geben Sie an, ob sich Ihre Informationen in S3 oder Redshift befinden, und wählen Sie dann Bestätigen. Vervollständigen Sie das System zur Erstellung einer Datenquelle.

Nachdem Sie eine Datenquelle erstellt haben, werden Sie zur nachfolgenden Stufe des Assistenten ML-Modell erstellen umgeleitet.

Geben Sie auf der Seite mit den ML-Modelleinstellungen unter ML-Modellname einen Namen für Ihr ML-Modell ein.

Wählen Sie unter Vorbereitungs- und Bewertungseinstellungen auswählen die Option Benutzerdefiniert und anschließend die Option Fortfahren.

Auf der Seite Formel können Sie eine Formel erneut ausführen. Für den unwahrscheinlichen Fall, dass Sie es vorziehen, eine Formel nicht zu ändern, schlägt Amazon ML eine für Sie vor. Wählen Sie Weiter.

Geben Sie auf der Seite Angetriebene Einstellungen die extremste Größe des ML-Modells, die größte Anzahl von Informationsdurchläufen, den Mix-Typ für die Informationsaufbereitung, den Regularisierungstyp und die Regularisierungssumme an. Für den Fall, dass Sie diese nicht angeben, verwendet Amazon ML die Standard-Vorbereitungsparameter.

Weitere Daten zu diesen Parametern und ihren Standardwerten finden Sie unter Parameter vorbereiten.

Wählen Sie Weiter.

Geben Sie auf der Seite Bewertung an, ob Sie das ML-Modell sofort bewerten müssen. Falls Sie es vorziehen, das ML-Modell nicht sofort zu beurteilen, wählen Sie Umfrage.

Für den unwahrscheinlichen Fall, dass Sie an dieser Stelle das ML-Modell bewerten müssen:

Geben Sie unter Name dieser Beurteilung einen Namen für die Beurteilung ein.

Wählen Sie unter Bewertungsinformationen auswählen aus, ob Sie Amazon ML benötigen, um einen Teil der Informationen für die Bewertung vorzuhalten, und falls ja, wie Sie die Datenquelle aufteilen müssen, oder entscheiden Sie sich für die Bereitstellung einer alternativen Datenquelle für die Bewertung.

Umfrage auswählen.

Bearbeiten Sie auf der Überprüfungsseite Ihre Auswahl, löschen Sie alle aus der Datenquelle kopierten Tags, die Sie nicht auf Ihr Modell und Ihre Auswertungen anwenden möchten, und wählen Sie dann Fertigstellen.