Creați și evaluați modele de învățare automată cu configurații avansate utilizând clasamentul modelului SageMaker Canvas | Amazon Web Services

Amazon SageMaker Canvas este un spațiu de lucru fără cod care le permite analiștilor și oamenilor de știință de date pentru cetățeni să genereze predicții precise de învățare automată (ML) pentru nevoile lor de afaceri. Începând de astăzi, SageMaker Canvas acceptă configurații avansate de construire a modelului, cum ar fi selectarea unei metode de antrenament (optimizare ansamblu sau hiperparametru) și algoritmi, personalizarea raportului de împărțire a datelor de antrenament și validare și stabilirea de limite pentru iterațiile autoML și timpul de rulare a lucrărilor, permițând astfel utilizatorilor să personalizeze configurații de construire a modelului fără a fi nevoie să scrieți o singură linie de cod. Această flexibilitate poate oferi o dezvoltare a modelului mai robustă și mai perspicace. Părțile interesate non-tehnice pot folosi funcțiile fără cod cu setări implicite, în timp ce cetățenii de știință de date pot experimenta diferiți algoritmi și tehnici ML, ajutându-i să înțeleagă care sunt metodele care funcționează cel mai bine pentru datele lor și să le optimizeze pentru a asigura calitatea și performanța modelului.

Pe lângă configurațiile de construire a modelelor, SageMaker Canvas oferă acum și un clasament de model. Un clasament vă permite să comparați valorile cheie de performanță (de exemplu, acuratețea, precizia, retragerea și scorul F1) pentru configurațiile diferitelor modele pentru a identifica cel mai bun model pentru datele dvs., îmbunătățind astfel transparența în construirea modelului și ajutându-vă să luați decizii informate cu privire la alegeri de model. De asemenea, puteți vizualiza întregul flux de lucru pentru construirea modelului, inclusiv pașii de preprocesare sugerați, algoritmii și intervalele de hiperparametri într-un notebook. Pentru a accesa aceste funcționalități, deconectați-vă și conectați-vă din nou la SageMaker Canvas și alegeți Configurați modelul la construirea modelelor.

În această postare, vă prezentăm procesul de utilizare a noilor configurații avansate de construire a modelului SageMaker Canvas pentru a iniția un antrenament de optimizare a ansamblului și a hiperparametrilor (HPO).

Prezentare generală a soluțiilor

În această secțiune, vă arătăm instrucțiuni pas cu pas pentru noile configurații avansate de construire a modelului SageMaker Canvas pentru a iniția un antrenament de optimizare a ansamblului și a hiperparametrilor (HPO) pentru a analiza setul nostru de date, a construi modele ML de înaltă calitate și a vedea clasamentul modelului. pentru a decide ce model să publice pentru deducere. SageMaker Canvas poate selecta automat metoda de antrenament în funcție de dimensiunea setului de date sau o puteți selecta manual. Alegerile sunt:

• Împreună: Folosește AutoGluon bibliotecă pentru a antrena mai multe modele de bază. Pentru a găsi cea mai bună combinație pentru setul de date, modul ansamblu rulează 10 încercări cu setări diferite de model și meta-parametri. Apoi combină aceste modele folosind o metodă de ansamblu de stivuire pentru a crea un model predictiv optim. În modul ansamblu, SageMaker Canvas acceptă următoarele tipuri de algoritmi de învățare automată:
  • GBM ușor: Un cadru optimizat care utilizează algoritmi bazați pe arbore cu creșterea gradientului. Acest algoritm folosește arbori care cresc mai degrabă în lățime decât în ​​adâncime și este foarte optimizat pentru viteză.
  • CatBoost: Un cadru care utilizează algoritmi bazați pe arbore cu creșterea gradientului. Optimizat pentru manipularea variabilelor categorice.
  • XGBoost: Un cadru care utilizează algoritmi bazați pe arbore cu creșterea gradientului care crește în profunzime mai degrabă decât în ​​lățime.
  • pădure aleatoare: Un algoritm bazat pe arbore care utilizează mai mulți arbori de decizie pe sub-eșantioane aleatorii ale datelor cu înlocuire. Copacii sunt împărțiți în noduri optime la fiecare nivel. Deciziile fiecărui copac sunt mediate împreună pentru a preveni supraadaptarea și pentru a îmbunătăți predicțiile.
  • Copaci suplimentari: Un algoritm bazat pe arbore care utilizează mai mulți arbori de decizie pe întregul set de date. Copacii sunt împărțiți aleatoriu la fiecare nivel. Deciziile fiecărui arbore sunt medii pentru a preveni supraadaptarea și pentru a îmbunătăți predicțiile. Arborii suplimentari adaugă un grad de randomizare în comparație cu algoritmul forestier aleatoriu.
  • Modele liniare: Un cadru care utilizează o ecuație liniară pentru a modela relația dintre două variabile în datele observate.
  • Lanterna rețelei neuronale: Un model de rețea neuronală care este implementat folosind Pytorch.
  • Rețea neuronală fast.ai: Un model de rețea neuronală care este implementat folosind fast.ai.
• Optimizarea hiperparametrului (HPO): SageMaker Canvas găsește cea mai bună versiune a unui model prin reglarea hiperparametrilor utilizând optimizarea bayesiană sau optimizarea multi-fidelitate în timp ce rulează joburi de antrenament pe setul de date. Modul HPO selectează algoritmii care sunt cei mai relevanți pentru setul dvs. de date și selectează cea mai bună gamă de hiperparametri pentru a vă regla modelele. Pentru a vă regla modelele, modul HPO rulează până la 100 de încercări (implicit) pentru a găsi setările optime pentru hiperparametrii în intervalul selectat. Dacă dimensiunea setului de date este mai mică de 100 MB, SageMaker Canvas utilizează optimizarea bayesiană. SageMaker Canvas alege optimizarea multi-fidelitate dacă setul de date este mai mare de 100 MB. În optimizarea multi-fidelității, valorile sunt emise continuu din containerele de antrenament. O încercare care are performanțe slabe față de o valoare obiectivă selectată este oprită devreme. Un proces care are performanțe bune i se alocă mai multe resurse. În modul HPO, SageMaker Canvas acceptă următoarele tipuri de algoritmi de învățare automată:
• Învățător liniar: Un algoritm de învățare supravegheat care poate rezolva probleme fie de clasificare, fie de regresie.
• XGBoost: Un algoritm de învățare supravegheată care încearcă să prezică cu acuratețe o variabilă țintă combinând un ansamblu de estimări dintr-un set de modele mai simple și mai slabe.
• Algoritm de învățare profundă: Un perceptron multistrat (MLP) și o rețea neuronală artificială feedforward. Acest algoritm poate gestiona date care nu sunt separabile liniar.
• Auto: SageMaker Canvas alege automat fie modul ansamblu, fie modul HPO pe baza dimensiunii setului de date. Dacă setul de date este mai mare de 100 MB, SageMaker Canvas alege HPO. În caz contrar, alege modul ansamblu.

Cerințe preliminare

Pentru această postare, trebuie să îndepliniți următoarele cerințe preliminare:

1. Au un Cont AWS.
2. Configurați SageMaker Canvas. Vedea Cerințe preliminare pentru configurarea Amazon SageMaker Canvas.
3. Descărcați clasicul Setul de date Titanic pe computerul dvs. local.

Creați un model

Vă prezentăm folosind setul de date Titanic și SageMaker Canvas pentru a crea un model care prezice ce pasageri au supraviețuit epavei Titanicului. Aceasta este o problemă de clasificare binară. Ne concentrăm pe crearea unui experiment Canvas utilizând modul de antrenament ansamblu și comparăm rezultatele scorului F1 și durata generală de rulare cu un experiment SageMaker Canvas folosind modul de antrenament HPO (100 de încercări).

Numele coloanei	Descriere
Pasagerid	Numar de identificare
Supraviețuit	Supravieţuire
Pclass	Clasa de bilete
Nume si Prenume	Nume pasager
sex	sex
Vârstă	Vârsta în ani
Sibsp	Numărul de frați sau soți la bordul Titanicului
Usca	Numărul de părinți sau copii la bordul Titanicului
Bilet	Număr de bilet
tarif	Târg de pasageri
Cabină	Numărul de cabină
Emarked	Portul de îmbarcare

 Setul de date Titanic are 890 de rânduri și 12 coloane. Conține informații demografice despre pasageri (vârstă, sex, clasa de bilet și așa mai departe) și coloana țintă Supraviețuiți (da/nu).

1. Începeți prin a importa setul de date în SageMaker Canvas. Denumiți setul de date Titanic.
   
2. Selectați setul de date Titanic și alegeți Creați un model nou. Introduceți un nume pentru model, selectați Analiza predictivă ca tip de problemă și alegeți Crea.
   
3. În Selectați o coloană pentru a estima, folosește Coloana țintă drop-down pentru a selecta supravieţuit. Coloana țintă Supraviețuit este un tip de date binar cu valori de 0 (nu a supraviețuit) și 1 (a supraviețuit).

Configurați și rulați modelul

În primul experiment, configurați SageMaker Canvas pentru a rula un antrenament de ansamblu pe setul de date cu acuratețe ca măsură obiectivă. Un scor de precizie mai mare indică faptul că modelul face predicții mai corecte, în timp ce un scor de precizie mai scăzut sugerează că modelul face mai multe erori. Precizia funcționează bine pentru seturi de date echilibrate. Pentru antrenamentul de ansamblu, selectați XGBoost, Random Forest, CatBoost și Linear Models ca algoritmi. Lăsați împărțirea datelor la valoarea implicită 80/20 pentru instruire și validare. Și, în sfârșit, configurați jobul de antrenament să ruleze pentru o durată maximă de rulare a jobului de 1 oră.

1. Începe prin a alege Configurați modelul.
   
2. Aceasta afișează o fereastră modală pentru Configurați modelul. Selecta Avansat din panoul de navigare.
   
3. Începeți să vă configurați modelul selectând Măsură obiectivă. Pentru acest experiment, selectați Acuratete. Scorul de precizie vă spune cât de des sunt corecte predicțiile modelului în general.
   
4. Selectați Metoda de antrenament și algoritmi și selectați Set. Metodele de ansamblu în învățarea automată implică crearea mai multor modele și apoi combinarea lor pentru a produce rezultate îmbunătățite. Această tehnică este utilizată pentru a crește acuratețea predicției, profitând de punctele forte ale diferiților algoritmi. Se știe că metodele de ansamblu produc soluții mai precise decât ar face un singur model, așa cum s-a demonstrat în diferite competiții de învățare automată și aplicații din lumea reală.
   
5. Selectați diferiții algoritmi de utilizat pentru ansamblu. Pentru acest experiment, selectați XGBoost, Liniar, CatBoost, și Pădurea întâmplătoare. Ștergeți toți ceilalți algoritmi.
   
6. Selectați Divizarea datelor din panoul de navigare. Pentru acest experiment, lăsați împărțirea implicită de instruire și validare ca 80/20. Următoarea iterație a experimentului folosește o împărțire diferită pentru a vedea dacă are ca rezultat o performanță mai bună a modelului.
   
7. Selectați Candidați și durată maximă din panoul de navigare și setați Durata maximă de rulare a lucrării la 1 oră și alegeți Economisiți.
   
8. Alege Construcție standard pentru a începe construcția.
   

În acest moment, SageMaker Canvas invocă antrenamentul modelului pe baza configurației furnizate de dvs. Deoarece ați specificat un timp maxim de rulare pentru sarcina de antrenament de 1 oră, SageMaker Canvas va dura până la o oră pentru a rula sarcina de antrenament.

Examinați rezultatele

După finalizarea sarcinii de instruire, SageMaker Canvas vă aduce automat înapoi în vizualizarea Analiză și vă arată rezultatele metricelor obiective pe care le-ați configurat pentru experimentul de antrenament al modelului. În acest caz, vedeți că precizia modelului este de 86.034%.

1. Alegeți butonul săgeată de restrângere de lângă Clasament model pentru a revizui datele de performanță a modelului.
   
2. selectaţi Punctajul fila pentru a explora mai adânc informațiile despre precizia modelului. Modelul instruit raportează că poate prezice corect pasagerii care nu au supraviețuit în 89.72 la sută din timp.
   
3. selectaţi Valori avansate pentru a evalua detalii suplimentare de performanță a modelului. Începeți prin a selecta Tabelul de valori pentru a examina detaliile valorii, cum ar fi F1, Precizie, Rechemare, și ASC.
   
4. SageMaker Canvas ajută și la vizualizarea Matricea confuziei pentru modelul antrenat.
   
5. Și vizualizează Curba de rechemare de precizie. Un AUPRC de 0.86 semnalează o precizie ridicată de clasificare, ceea ce este bun.
   
6. Alege Clasament model pentru a compara valorile cheie de performanță (cum ar fi acuratețea, precizia, reamintirea și scorul F1) pentru diferite modele evaluate de SageMaker Canvas pentru a determina cel mai bun model pentru date, pe baza configurației pe care ați stabilit-o pentru acest experiment. Modelul implicit cu cele mai bune performanțe este evidențiat cu model implicit eticheta de pe clasamentul modelului.
   
7. Puteți folosi meniul contextual din lateral pentru a aprofunda detaliile oricăruia dintre modele sau pentru a transforma un model în modelul implicit. Selectați Vezi detaliile modelului pe al doilea model din clasament pentru a vedea detalii.
   
8. SageMaker Canvas modifică vizualizarea pentru a afișa detalii despre modelul candidat selectat. Deși detaliile modelului implicit sunt deja disponibile, vizualizarea detaliată a modelului alternativ durează 10-15 minute pentru a picta detaliile.
   

Creați un al doilea model

Acum că ați construit, rulat și revizuit un model, să construim un al doilea model pentru comparație.

1. Reveniți la vizualizarea implicită a modelului selectând X în colțul de sus. Acum, alege Adăugați versiunea pentru a crea o nouă versiune a modelului.
   
2. Selectați setul de date Titanic pe care l-ați creat inițial, apoi alegeți Selectați setul de date.
   

SageMaker Canvas încarcă automat modelul cu coloana țintă deja selectată. În acest al doilea experiment, treceți la antrenamentul HPO pentru a vedea dacă dă rezultate mai bune pentru setul de date. Pentru acest model, păstrați aceleași valori obiective (Acuratețe) pentru comparație cu primul experiment și utilizați algoritmul XGBoost pentru antrenamentul HPO. Schimbați împărțirea datelor pentru instruire și validare la 70/30 și configurați candidații maximi și valorile de rulare pentru jobul HPO la 20 de candidați și durata maximă de rulare a jobului la 1 oră.

Configurați și rulați modelul

1. Începeți al doilea experiment alegând Configurați modelul pentru a configura detaliile de antrenament model.
   
2. În Configurați modelul fereastră, selectați Măsură obiectivă din panoul de navigare. Pentru Măsură obiectivă, utilizați meniul drop-down pentru a selecta Acuratete, aceasta vă permite să vedeți și să comparați toate ieșirile versiunii una lângă alta.
   
3. Selectați Metoda de antrenament și algoritmi. Selecta Optimizarea hiperparametrului pentru metoda de antrenament. Apoi, derulați în jos pentru a selecta algoritmii.
   
4. Selectați XGBoost pentru algoritm. XGBoost oferă o creștere a arborelui paralel care rezolvă multe probleme de știință a datelor rapid și precis și oferă o gamă largă de hiperparametri care pot fi reglați pentru a îmbunătăți și a profita din plin de modelul XGBoost.
   
5. Selectați Divizarea datelor. Pentru acest model, setați împărțirea datelor de formare și validare la 70/30.
   
6. Selectați Candidați și durată maximă și setați valorile pentru jobul HPO la 20 pentru Max candidați și 1 oră pentru Durata maximă de rulare a lucrării. Alege Economisiți pentru a termina configurarea celui de-al doilea model.
   
7. Acum că ați configurat al doilea model, alegeți Construcție standard pentru a iniția antrenamentul.
   

SageMaker Canvas utilizează configurația pentru a porni lucrarea HPO. Ca și primul loc de muncă, acest job de formare va dura până la o oră.

Examinați rezultatele

Când lucrarea de antrenament HPO este finalizată (sau timpul maxim de rulare expiră), SageMaker Canvas afișează rezultatul jobului de antrenament pe baza modelului implicit și afișând scorul de precizie al modelului.

1. Alege Clasament model pentru a vedea lista tuturor celor 20 de modele candidate din cursa de formare HPO. Cel mai bun model, bazat pe obiectivul de a găsi cea mai bună acuratețe, este marcat ca implicit.
   

În timp ce acuratețea lipsă modelul este cel mai bun, un alt model din lucrarea HPO are o zonă mai mare sub scorul curbei ROC (AUC). Scorul AUC este utilizat pentru a evalua performanța unui model de clasificare binar. O AUC mai mare indică faptul că modelul este mai bine să facă distincția între cele două clase, 1 fiind un scor perfect și 0.5 indicând o presupunere aleatorie.

2. Utilizați meniul contextual pentru a face modelul cu AUC mai mare ca model implicit. Selectați meniul contextual pentru modelul respectiv și selectați Schimbați la modelul implicit opțiunea din meniul de linii, așa cum se arată în Figura 31 care urmează.
   

SageMaker Canvas durează câteva minute pentru a schimba modelul selectat la noul model implicit pentru versiunea 2 a experimentului și pentru a-l muta în partea de sus a listei de modele.

Compara modelele

În acest moment, aveți două versiuni ale modelului dvs. și le puteți vizualiza una lângă alta accesând Modelele mele în SageMaker Canvas.

1. Selectați Prezice supraviețuirea pe Titanic pentru a vedea versiunile de model disponibile.
   
2. Există două versiuni, iar performanța lor este afișată într-un format tabelar pentru comparație unul lângă altul.
   
3. Puteți vedea că versiunea 1 a modelului (care a fost antrenat folosind algoritmi de ansamblu) are o precizie mai bună. Acum puteți utiliza SageMaker Canvas pentru a genera un caiet SageMaker — cu cod, comentarii și instrucțiuni — pentru a personaliza AutoGluon încercări și rulați fluxul de lucru SageMaker Canvas fără a scrie o singură linie de cod. Puteți genera blocnotesul SageMaker alegând meniul contextual și selectând Vizualizare Notebook.
   
4. Blocnotesul SageMaker apare într-o fereastră pop-up. Notebook-ul vă ajută să inspectați și să modificați parametrii propuși de SageMaker Canvas. Puteți să selectați interactiv una dintre configurațiile propuse de SageMaker Canvas, să o modificați și să rulați o lucrare de procesare pentru a antrena modele pe baza configurației selectate în mediul SageMaker Studio.
   

deducție

Acum că ați identificat cel mai bun model, puteți utiliza meniul contextual pentru implementați-l la un punct final pentru inferențe în timp real.

Sau folosește meniul contextual pentru a opera modelul ML în producție înregistrarea modelului de învățare automată (ML) în registrul de modele SageMaker.

A curăța

Pentru a evita costurile viitoare, ștergeți resursele pe care le-ați creat în timp ce urmăriți această postare. SageMaker Canvas vă facturează pentru durata sesiunii și vă recomandăm să vă deconectați de la SageMaker Canvas atunci când nu îl utilizați.

Vedea Deconectarea de la Amazon SageMaker Canvas pentru mai multe detalii.

Concluzie

SageMaker Canvas este un instrument puternic care democratizează învățarea automată, care se adresează atât părților interesate non-tehnice, cât și oamenilor de știință ai datelor cetățenilor. Caracteristicile recent introduse, inclusiv configurațiile avansate de construire a modelului și clasamentul modelului, sporesc flexibilitatea și transparența platformei. Acest lucru vă permite să vă adaptați modelele de învățare automată la nevoile specifice ale afacerii fără să vă aprofundați în cod. Capacitatea de a personaliza metodele de antrenament, algoritmii, împărțirea datelor și alți parametri vă permite să experimentați cu diferite tehnici ML, favorizând o înțelegere mai profundă a performanței modelului.

Introducerea clasamentului modelului este o îmbunătățire semnificativă, oferind o imagine de ansamblu clară a valorilor cheie de performanță pentru diferite configurații. Această transparență permite utilizatorilor să ia decizii informate cu privire la alegerile și optimizările modelului. Afișând întregul flux de lucru pentru construirea modelului, inclusiv pașii de preprocesare sugerați, algoritmii și intervalele de hiperparametri într-un notebook, SageMaker Canvas facilitează o înțelegere cuprinzătoare a procesului de dezvoltare a modelului.

Pentru a începe călătoria ML low-code/fără cod, consultați Amazon SageMaker Canvas.

Mulțumiri speciale tuturor celor care au contribuit la lansare:

Esha Dutta, Ed Cheung, Max Kondrashov, Allan Johnson, Ridhim Rastogi, Ranga Reddy Pallelra, Ruochen Wen, Ruinong Tian, ​​Sandipan Manna, Renu Rozera, Vikash Garg, Ramesh Sekaran și Gunjan Garg

---

Despre Autori

Janisha Anand este Senior Product Manager în echipa SageMaker Low/No Code ML, care include SageMaker Canvas și SageMaker Autopilot. Îi place cafeaua, să rămână activă și să petreacă timpul cu familia ei.

Indy Sawhney este lider senior în soluții pentru clienți cu Amazon Web Services. Lucrând mereu înapoi de la problemele clienților, Indy îi sfătuiește pe directorii clienților întreprinderii AWS prin călătoria lor unică de transformare a cloud-ului. Are peste 25 de ani de experiență în a ajuta organizațiile întreprinderilor să adopte tehnologii și soluții de afaceri emergente. Indy este un specialist în domeniu cu AWS Technical Field Community pentru inteligență artificială și învățare automată (AI/ML), cu specializare în AI generativă și soluții SageMaker low-code/no-code (LCNC).

• Distribuție de conținut bazat pe SEO și PR. Amplifică-te astăzi.
• PlatoData.Network Vertical Generative Ai. Împuterniciți-vă. Accesați Aici.
• PlatoAiStream. Web3 Intelligence. Cunoștințe amplificate. Accesați Aici.
• PlatoESG. carbon, CleanTech, Energie, Mediu inconjurator, Solar, Managementul deșeurilor. Accesați Aici.
• PlatoHealth. Biotehnologie și Inteligență pentru studii clinice. Accesați Aici.
• Sursa: https://aws.amazon.com/blogs/machine-learning/build-and-evaluate-machine-learning-models-with-advanced-configurations-using-the-sagemaker-canvas-model-leaderboard/