Amazon SageMaker Автопилот позволяет организациям быстро создавать и развертывать модель сквозного машинного обучения (ML) и конвейер вывода с помощью всего лишь нескольких строк кода или даже без какого-либо кода вообще с Студия Amazon SageMaker. Автопилот снимает с вас тяжелую работу по настройке инфраструктуры и время, необходимое для построения всего конвейера, включая разработку функций, выбор модели и настройку гиперпараметров.
В этом посте мы покажем, как перейти от необработанных данных к надежному и полностью развернутому конвейеру вывода с помощью автопилота.
Обзор решения
МЫ ИСПОЛЬЗУЕМ Публичный набор данных Lyft о совместном использовании велосипедов для этого моделирования, чтобы предсказать, будет ли пользователь участвовать в Программа «Велопрокат для всех». Это простая задача двоичной классификации.
Мы хотим продемонстрировать, насколько легко создать автоматизированный конвейер вывода в режиме реального времени для классификации пользователей на основе их участия в программе Bike Share for All. С этой целью мы моделируем сквозной процесс приема и вывода данных для воображаемой компании по прокату велосипедов, работающей в районе залива Сан-Франциско.
Архитектура разбита на две части: конвейер приема и конвейер вывода.
В первом разделе этой статьи мы в первую очередь сосредоточимся на конвейере ML, а во второй части — на конвейере приема данных.
Предпосылки
Чтобы следовать этому примеру, выполните следующие предварительные условия:
- Создайте новый экземпляр блокнота SageMaker..
- Создать Пожарный шланг данных Amazon Kinesis поток доставки с AWS Lambda функция преобразования. Инструкции см. Преобразование данных Amazon Kinesis Firehose с помощью AWS Lambda. Этот шаг не является обязательным и необходим только для имитации потоковой передачи данных.
Исследование данных
Давайте загрузим и визуализируем набор данных, который находится в публичном доступе. Простой сервис хранения Amazon (Amazon S3) Корзина и статический веб-сайт:
На следующем снимке экрана показано подмножество данных перед преобразованием.
Последний столбец данных содержит цель, которую мы хотим спрогнозировать, которая представляет собой двоичную переменную, принимающую значение «Да» или «Нет», указывающую, участвует ли пользователь в программе Bike Share for All.
Давайте посмотрим на распределение нашей целевой переменной при любом дисбалансе данных.
Как показано на графике выше, данные несбалансированы: в программе участвует меньшее количество людей.
Нам необходимо сбалансировать данные, чтобы предотвратить предвзятость в отношении чрезмерной представленности. Этот шаг является необязательным, поскольку автопилот также предлагает внутренний подход для автоматической обработки дисбаланса классов, который по умолчанию использует метрику проверки оценки F1. Кроме того, если вы решите сбалансировать данные самостоятельно, вы можете использовать более сложные методы обработки дисбаланса классов, такие как Пронзила or ГАН.
В этом посте мы уменьшаем выборку класса большинства (Нет) в качестве метода балансировки данных:
Следующий код обогащает данные и занижает выборку перепредставленного класса:
Мы намеренно оставили наши категориальные функции незакодированными, включая двоичное целевое значение. Это связано с тем, что автопилот заботится о кодировании и декодировании данных за нас в рамках автоматического проектирования функций и развертывания конвейера, как мы увидим в следующем разделе.
На следующем снимке экрана показан образец наших данных.
Данные на следующих графиках в остальном выглядят нормально: бимодальное распределение представляет собой два пика для утренних часов и дневных часов пик, как и следовало ожидать. Также мы наблюдаем низкую активность в выходные и ночное время.
В следующем разделе мы передаем данные автопилоту, чтобы он мог провести за нас эксперимент.
Постройте модель двоичной классификации
Автопилот требует, чтобы мы указали сегменты назначения ввода и вывода. Он использует входную корзину для загрузки данных и выходную корзину для сохранения артефактов, таких как разработка функций и созданные блокноты Jupyter. Мы сохраняем 5 % набора данных для оценки и проверки эффективности модели после завершения обучения и загружаем 95 % набора данных во входную корзину S3. См. следующий код:
После того, как мы загрузим данные в место назначения ввода, пришло время запустить автопилот:
Все, что нам нужно, чтобы начать экспериментировать, — это вызвать метод fit(). В качестве обязательных параметров автопилоту требуется расположение входного и выходного S3, а также столбец целевого атрибута. После обработки функции автопилот вызывает SageMaker автоматическая настройка модели найти лучшую версию модели, запустив множество обучающих заданий в вашем наборе данных. Мы добавили необязательный параметр max_candidates, чтобы ограничить количество кандидатов до 30, то есть количества заданий обучения, которые автопилот запускает с различными комбинациями алгоритмов и гиперпараметров, чтобы найти лучшую модель. Если вы не укажете этот параметр, по умолчанию он будет равен 250.
Мы можем наблюдать за ходом работы автопилота с помощью следующего кода:
Обучение занимает некоторое время. Пока он работает, давайте посмотрим на рабочий процесс автопилота.
Чтобы найти лучшего кандидата, используйте следующий код:
На следующем снимке экрана показан наш результат.
Наша модель достигла точности проверки 96 %, поэтому мы собираемся ее внедрить. Мы могли бы добавить условие, согласно которому мы будем использовать модель только в том случае, если точность превышает определенный уровень.
Конвейер логического вывода
Прежде чем развернуть нашу модель, давайте рассмотрим нашего лучшего кандидата и то, что происходит в нашем конвейере. См. следующий код:
На следующей диаграмме показаны наши результаты.
Автопилот построил модель и упаковал ее в три разных контейнера, каждый из которых последовательно выполняет определенную задачу: преобразование, прогнозирование и обратное преобразование. Этот многоэтапный вывод возможен с помощью Конвейер вывода SageMaker.
Многоэтапный вывод также может объединять несколько моделей вывода. Например, один контейнер может выполнять анализ основных компонентов перед передачей данных в контейнер XGBoost.
Развертывание конвейера вывода в конечной точке
Процесс развертывания включает всего несколько строк кода:
Давайте настроим нашу конечную точку для прогнозирования с помощью предиктора:
Теперь, когда у нас есть готовая конечная точка и предиктор, пришло время использовать отложенные нами тестовые данные и проверить точность нашей модели. Мы начнем с определения вспомогательной функции, которая отправляет данные по одной строке за раз в нашу конечную точку вывода и получает взамен прогноз. Потому что у нас есть XGBoost модели мы удаляем целевую переменную перед отправкой строки CSV в конечную точку. Кроме того, мы удалили заголовок из тестового CSV перед циклическим просмотром файла, что также является еще одним требованием для XGBoost в SageMaker. См. следующий код:
На следующем снимке экрана показан наш результат.
Теперь посчитаем точность нашей модели.
Смотрите следующий код:
Получаем точность 92%. Это немного ниже, чем 96%, полученные на этапе валидации, но все же достаточно высоко. Мы не ожидаем, что точность будет такой же, поскольку тест выполняется с новым набором данных.
Прием данных
Мы скачали данные напрямую и настроили их для обучения. В реальной жизни вам, возможно, придется отправить данные непосредственно с периферийного устройства в озеро данных, а SageMaker загрузит их непосредственно из озера данных в ноутбук.
Kinesis Data Firehose — это хороший вариант и самый простой способ надежной загрузки потоковых данных в озера данных, хранилища данных и инструменты аналитики. Он может собирать, преобразовывать и загружать потоковые данные в Amazon S3 и другие хранилища данных AWS.
В нашем случае мы создаем поток доставки Kinesis Data Firehose с функцией преобразования Lambda, чтобы выполнять некоторую упрощенную очистку данных по мере их прохождения через поток. См. следующий код:
Эта функция Lambda выполняет легкое преобразование данных, передаваемых с устройств в озеро данных. Он ожидает файл данных в формате CSV.
На этапе приема мы загружаем данные и моделируем поток данных в Kinesis Data Firehose с помощью функции лямбда-преобразования и в наше озеро данных S3.
Давайте смоделируем потоковую передачу нескольких строк:
Убирать
Чтобы минимизировать затраты, важно удалить все ресурсы, используемые в этом упражнении. Следующий код удаляет созданную нами конечную точку вывода SageMaker, а также загруженные нами данные обучения и тестирования:
Заключение
Инженеры машинного обучения, специалисты по данным и разработчики программного обеспечения могут использовать Autopilot для создания и развертывания конвейера вывода, практически не имея опыта программирования машинного обучения. Автопилот экономит время и ресурсы, используя науку о данных и лучшие практики машинного обучения. Крупные организации теперь могут переключить инженерные ресурсы с настройки инфраструктуры на улучшение моделей и решение бизнес-примеров использования. Стартапы и небольшие организации могут начать заниматься машинным обучением, практически не имея опыта ML.
Чтобы начать работу с автопилотом SageMaker, см. странице продукта или получите доступ к SageMaker Autopilot в SageMaker Studio.
Мы также рекомендуем узнать больше о других важных функциях, которые может предложить SageMaker, таких как Магазин функций Amazon SageMaker, который интегрируется с Конвейеры Amazon SageMaker создавать, добавлять функции поиска и обнаружения, а также повторно использовать автоматизированные рабочие процессы машинного обучения. Вы можете запустить несколько симуляций автопилота с разными вариантами объектов или целевых объектов в вашем наборе данных. Вы также можете подойти к этому как к проблеме динамического распределения транспортных средств, в которой ваша модель пытается предсказать спрос на транспортные средства на основе времени (например, времени суток или дня недели) или местоположения или их комбинации.
Об авторах
Дуг Мбая — старший архитектор решений, специализирующийся на данных и аналитике. Дуг тесно сотрудничает с партнерами AWS, помогая им интегрировать решения для обработки данных и аналитики в облаке. Предыдущий опыт Дуга включает поддержку клиентов AWS в сегменте совместного использования поездок и доставки еды.
Валерио Перроне — менеджер по прикладным наукам, работающий над автоматической настройкой моделей и автопилотом Amazon SageMaker.
- Коинсмарт. Лучшая в Европе биржа биткойнов и криптовалют.
- Платоблокчейн. Интеллект метавселенной Web3. Расширение знаний. БЕСПЛАТНЫЙ ДОСТУП.
- КриптоХок. Альткоин Радар. Бесплатная пробная версия.
- Источник: https://aws.amazon.com/blogs/machine-learning/automate-a-shared-bikes-and-scooters-classification-model-with-amazon-sagemaker-autopilot/
- '
- "
- &
- 100
- О нас
- доступ
- достигнутый
- активно
- продвинутый
- алгоритмы
- Все
- распределение
- Amazon
- аналитика
- Другой
- API
- подхода
- архитектура
- ПЛОЩАДЬ
- Аргументы
- Автоматизированный
- AWS
- залив
- ЛУЧШЕЕ
- лучшие практики
- строить
- бизнес
- призывают
- Может получить
- заботится
- случаев
- изменение
- выбор
- классификация
- Уборка
- облако
- код
- Column
- сочетание
- комбинации
- Компания
- компонент
- состояние
- Конфигурация
- Container
- Контейнеры
- содержит
- может
- Клиенты
- данным
- обработка данных
- наука о данных
- день
- поставка
- Спрос
- развертывание
- развертывание
- застройщиков
- устройство
- Устройства
- различный
- открытие
- Дисплей
- распределение
- вниз
- Падение
- динамический
- Edge
- шифрование
- Конечная точка
- Проект и
- Инженеры
- События
- пример
- Кроме
- Упражнение
- надеется
- опыт
- эксперимент
- опыта
- Особенность
- Особенности
- First
- Фокус
- следовать
- после
- питание
- Франциско
- функция
- получающий
- будет
- хорошо
- Управляемость
- здесь
- High
- Как
- How To
- HTTPS
- важную
- В том числе
- Инфраструктура
- интегрировать
- IT
- работа
- Джобс
- большой
- запускает
- изучение
- уровень
- Библиотека
- легкий
- легкий
- линия
- мало
- загрузка
- в местном масштабе
- расположение
- машина
- обучение с помощью машины
- Большинство
- Создание
- менеджер
- ML
- модель
- Модели
- самых
- ноутбук
- предлагают
- Предложения
- операционный
- Опция
- заказ
- организации
- Другое
- в противном случае
- участие
- партнеры
- Люди
- производительность
- возможное
- прогноз
- Проблема
- процесс
- FitPartner™
- Программирование
- обеспечивать
- что такое варган?
- быстро
- Сырье
- реального времени
- рекомендовать
- запись
- учет
- обязательный
- Полезные ресурсы
- Возвращает
- обзоре
- условиями,
- Run
- Бег
- торопить
- Сан -
- Сан-Франциско
- экономия
- Наука
- Ученые
- Поиск
- выбранный
- Серии
- набор
- Поделиться
- общие
- сдвиг
- просто
- моделирование
- Размер
- спать
- So
- Software
- раскол
- Начало
- и политические лидеры
- Стартапы
- диск
- магазины
- поток
- потоковый
- потоковый
- студия
- цель
- снижения вреда
- тестXNUMX
- Тестирование
- Через
- время
- сегодня
- инструменты
- Обучение
- Transform
- трансформация
- us
- использование
- пользователей
- утилита
- ценностное
- автомобиль
- Вебсайт
- неделя
- будь то
- Википедия.
- в
- работает
- работает