Ajuste automático del modelo con SageMaker AI

El Ajuste automático de modelos (AMT) de Amazon SageMaker AI encuentra la mejor versión de un modelo ejecutando muchos trabajos de entrenamiento en el conjunto de datos. El Ajuste automático de modelos (AMT) de Amazon SageMaker AI también se conoce como ajuste de hiperparámetros. Para ello, AMT utiliza el algoritmo y los rangos de hiperparámetros que especifique. A continuación, elige los valores de hiperparámetros que dan lugar a un modelo con el mejor rendimiento medido por una métrica de su elección.

Por ejemplo, ejecutamos un problema de clasificación binaria en un conjunto de datos de marketing. Su objetivo es maximizar la métrica área bajo la curva (AUC) del algoritmo formando un modelo Algoritmo XGBoost con Amazon SageMaker AI. Desea encontrar los valores de los hiperparámetros eta, alpha, min_child_weight y max_depth que servirán para formar el mejor modelo. Especifique un rango de valores para estos hiperparámetros. A continuación, el ajuste de hiperparámetros de SageMaker AI busca dentro de estos rangos para encontrar una combinación que cree un trabajo de entrenamiento que cree un modelo con el AUC más alto. Para ahorrar recursos o cumplir una expectativa de calidad específica del modelo, establezca los criterios de finalización para detener el ajuste una vez que se hayan cumplido.

Puede utilizar SageMaker AI AMT con algoritmos integrados, algoritmos personalizados o contenedores creados previamente de SageMaker AI para marcos de trabajo de machine learning.

SageMaker AI AMT puede utilizar una instancia de spot de Amazon EC2 para optimizar los costos al ejecutar trabajos de entrenamiento. Para obtener más información, consulte Entrenamiento de spot administrado en Amazon SageMaker AI.

Antes de comenzar a utilizar el ajuste de hiperparámetros, debe tener un problema de machine learning bien definido que incluya los siguientes elementos:

También tiene que preparar su conjunto de datos y el algoritmo para que funcionen en SageMaker AI y ejecutar correctamente un trabajo de entrenamiento al menos una vez. Para obtener información acerca de cómo configurar y ejecutar un trabajo de entrenamiento, consulte Guía para prepararse para utilizar Amazon SageMaker AI.