Droga do przygotowania modelu ML obejmuje podanie kalkulacji ML (czyli kalkulacji uczenia się) wraz z przygotowaniem informacji, z których można skorzystać. Termin “model ML” nawiązuje do starożytnego rarytasu modelu, który jest wykonywany przez procedurę przygotowania.

Informacja przygotowawcza musi zawierać właściwą odpowiedź, która jest znana jako właściwość obiektywna lub docelowa. Obliczenie uczące się odkrywa projekty w informacjach przygotowawczych, które kierują informacją przypisaną do celu (właściwej odpowiedzi, którą należy przewidzieć) i daje model ML, który wychwytuje te przykłady.

Możesz wykorzystać model ML, aby uzyskać prognozy dotyczące nowych informacji, dla których nie masz najgorszego pojęcia o celu. Na przykład, załóżmy, że trzeba przygotować model ML przewidzieć, czy e-mail jest spamem, czy nie. Można by dostarczyć Amazon ML z przygotowaniem informacji, które zawierają wiadomości, dla których znasz cel (to jest nazwa, która mówi, czy wiadomość e-mail jest spamem, czy nie spam). Amazon ML przygotuje model ML z wykorzystaniem tych informacji, doprowadzając do modelu, który stara się przewidzieć, czy nowa wiadomość e-mail będzie spamem, czy nie.

Rodzaje modeli ML

Amazon ML wzmacnia trzy rodzaje modeli ML: charakterystyka równoległa, grupowanie multiklasowe i powtarzalność. Rodzaj modelu, który należy wybrać opiera się na rodzaju skupienia na tym, co trzeba przewidzieć.

Model układu równoległego

Modele ML dla zagadnień układów równoległych przewidują podwójny wynik (jedną z dwóch potencjalnych klas). Aby przygotować modele podwójnego grupowania, Amazon ML wykorzystuje standardową kalkulację biznesową zwaną strategicznym zwrotem.

Okoliczności problemów związanych z charakterystyką parami

“Czy to spam, czy nie spam?”

“Czy klient kupi ten przedmiot?”

“Czy ten przedmiot jest książką czy inwentarzem?”

“Czy ten audyt składa się z klienta czy robota?”

Wieloklasowy model charakteryzacji

Modele ML do zagadnień charakteryzacji wieloklasowej pozwalają na tworzenie oczekiwań dla wielu klas (przewidzieć jeden z wielu wyników). Do przygotowania modeli wieloklasowych Amazon ML wykorzystuje biznesowy standard nauki, znany jako wielomianowy zwrot strategiczny.

Okoliczności problemów wieloaspektowych

“Czy ta pozycja to książka, film czy strój?”

“Czy ten film jest komedią o lekkim sercu, narracją czy spine-chillerem?”

“Jaka klasyfikacja przedmiotów jest najbardziej intrygująca dla tego klienta?”

Relapse Model

Modele ML dla problemów z nawrotem choroby przewidują wartość liczbową. Do przygotowania modeli nawrotów Amazon ML wykorzystuje standardową kalkulację biznesową znaną pod nazwą nawrotów prostych.

Tworzenie modelu ML

Po utworzeniu źródła danych, jesteś przygotowany do stworzenia modelu ML. W przypadku, gdy do stworzenia modelu wykorzystasz obsługę Amazon AI, możesz zdecydować się na użycie domyślnych ustawień lub zmodyfikować swój model poprzez zastosowanie niestandardowych alternatyw.

Niestandardowe alternatywy obejmują:

Ustawienia oceny: Możesz zdecydować, że Amazon ML zapisze część informacji w celu oceny prescientowej natury modelu ML. Dane dotyczące oceny znajdują się w sekcji Ocena modeli ML.

Formuła: Formuła ujawnia Amazon ML, które cechy i zmiany cech są dostępne dla przygotowania modelu. Dane na temat planów Amazon ML można znaleźć w sekcji Podkreślenie zmian za pomocą planów informacyjnych.

Parametry przygotowawcze: Parametry kontrolują pewne właściwości procedury przygotowania i kolejnego modelu ML. Więcej danych na temat przygotowania parametrów można znaleźć w sekcji Parametry przygotowania.

Aby wybrać lub określić wartości dla tych ustawień, wybierz opcję Niestandardowy wybór podczas korzystania z kreatora tworzenia modelu ML. Jeśli potrzebujesz Amazon ML, aby zastosować ustawienia domyślne, wybierz opcję Domyślne.

W momencie gdy tworzysz model ML, Amazon ML wybiera rodzaj obliczeń, który będzie używany w zależności od rodzaju charakterystyki Twojego obiektu. (Właściwość obiektywu jest cechą, która zawiera “właściwe” odpowiedzi.) Jeśli twoja właściwość obiektywu jest podwójna, Amazon ML wykonuje model podwójnej kolejności, który wykorzystuje obliczenia strategicznego nawrotu. W przypadku braku szans na to, że twoja cecha obiektywu jest All out, Amazon ML wykonuje model wieloklasowy, który wykorzystuje wielomianowe obliczenia nawrotu. Przy założeniu, że twoją obiektywną cechą jest numeryczna, Amazon ML tworzy model, który wykorzystuje obliczenia bezpośredniego nawrotu.

Punkty

Wymagania

Tworzenie modelu ML z domyślnym wyborem

Wykonanie modelu ML z niestandardowym wyborem

Wymagania

Przed użyciem wsparcia Amazon ML do wykonania modelu ML, należy wykonać dwa źródła danych, jedno do przygotowania modelu i jedno do oceny modelu. Na wypadek, gdybyś nie zrobił dwóch źródeł danych, zobacz Etap 2: Przygotowanie źródła danych w ćwiczeniu instruktażowym.

Tworzenie modelu ML z domyślnym wyborem

Wybierz Domyślny wybór, w przypadku gdy potrzebujesz Amazon ML do:

Podziel informacje, aby wykorzystać początkowe 70 procent do przygotowania i wykorzystać pobyt 30 procent do oceny

Polecić formułę zależną od spostrzeżeń zgromadzonych na źródle danych przygotowawczych, które stanowi 70 % źródła danych informacyjnych.

Wybierz domyślne parametry przygotowania

Aby wybrać alternatywę domyślną

W obsłudze Amazon ML, wybierz Amazon AI, a następnie wybierz modele ML.

Na stronie podsumowania modeli ML wybierz opcję Make another ML model.

Na stronie informacyjnej upewnij się, że wcześniej utworzyłem źródło danych wskazujące na wybór moich informacji o S3.

W tabeli należy wybrać źródło danych, a następnie kontynuować wybór.

Na stronie ustawień modelu ML wpisz nazwę swojego modelu ML.

W celu przygotowania i oceny ustawień upewnij się, że wybrano ustawienie domyślne.

W polu Name wpisz nazwę oceny, a następnie wybierz Survey. Amazon ML zostanie pominięty przez resztę kreatora i przeniesie Cię na stronę Ankieta.

Sprawdź swoje informacje, wymaż wszystkie etykiety zduplikowane ze źródła danych, których nie musisz stosować do swojego modelu i oceny, a następnie wybierz opcję Zakończ.

Tworzenie modelu ML z niestandardowymi ustawieniami

Usprawnienie modelu ML pozwala na to:

Dać własną formułę. Dane na temat tego, jak nadać własną formułę, znajdziesz w sekcji Formula Organization Reference.

Wybierz parametry przygotowania. Więcej informacji na temat przygotowywania parametrów znajduje się w rozdziale Przygotowanie parametrów (Preparing Parameters).

Wybierz proporcję podziału na przygotowanie/ocenę inną niż domyślna proporcja 70/30 lub podaj inne źródło danych, które właśnie ustawiłeś do oceny. Dane na temat technik rozstania znajdziesz w rozdziale Informacje o rozstaniu.

Możesz również wybrać domyślne wartości dla każdego z tych ustawień.

W przypadku, gdy właśnie wykonałeś model wykorzystujący domyślne alternatywy i potrzebujesz poprawić prezentację prescientową swojego modelu, skorzystaj z opcji Custom, aby wykonać inny model z kilkoma zmodyfikowanymi ustawieniami. Na przykład, możesz dodać więcej zmian składowych do formuły lub zwiększyć ilość przejść w parametrze przygotowania.

Aby wykonać model z niestandardowymi ustawieniami alternatywnymi

W obsłudze Amazon ML, wybierz Amazon AI, a następnie wybierz modele ML.

Na stronie podsumowania modeli ML wybierz opcję Make another ML model.

Na stronie z informacjami o modelu ML wybierz opcję Utwórz inny model ML. Na stronie z informacjami o modelu ML wybierz opcję Utwórz inny model ML. W tabeli wybierz źródło danych, a następnie wybierz Kontynuuj.

W przypadku braku możliwości wykonania danych, wybierz opcję Moje dane znajdują się w S3, a ja muszę wykonać dane źródłowe, wybierz Kontynuuj. Zostaniesz przekierowany do kreatora tworzenia źródła danych. Wskaż, czy twoje dane znajdują się w S3, czy w Redshift, w tym momencie wybierz Confirm. Uzupełnij system do tworzenia źródła danych.

Po utworzeniu źródła danych zostaniesz przeniesiony do kolejnego etapu w kreatorze tworzenia modelu ML.

Na stronie ustawień modelu ML, dla nazwy modelu ML wpisz nazwę modelu ML.

W polu Wybierz ustawienia przygotowania i oceny wybierz opcję Niestandardowe, a następnie Kontynuuj.

Na stronie Formuła, możesz powtórzyć formułę. W przypadku, gdy nie chcesz zmieniać formuły, Amazon ML proponuje ją dla Ciebie. Wybierz Kontynuuj.

Na stronie Ustawienia napędu, wskaż najbardziej ekstremalny rozmiar modelu ML, największą liczbę przejść informacyjnych, typ mieszanki do przygotowania informacji, typ regulacji i sumę regulacji. W przypadku, gdy nie zaznaczysz ich, Amazon ML wykorzystuje domyślne parametry przygotowania.

Więcej danych o tych parametrach i ich domyślnych ustawieniach znajdziesz w sekcji Parametry przygotowawcze.

Pick Proceed.

Na stronie Ocena, wskaż czy musisz od razu ocenić model ML. Jeśli nie chcesz obecnie oceniać modelu ML, wybierz opcję Ankieta.

W przypadku, gdy nie chcesz oceniać modelu ML, wybierz Survey:

Dla Nazwij tę ocenę, wpisz nazwę dla oceny.

Aby wybrać informacje o ocenie, wybierz, czy potrzebujesz Amazon ML, aby mieć część informacji do oceny, a jeśli tak, to w jaki sposób chcesz rozdzielić źródło danych, czy też zdecydować się podać alternatywne źródło danych do oceny.

Wybierz Ankietę.

Na stronie Przeglądaj, edytuj swoje zaznaczenia, usuń wszystkie znaczniki skopiowane ze źródła danych, których nie chcesz stosować do swojego modelu i ocen, a następnie wybierz Zakończ.