Wir aktualisieren den Amazon Machine Learning Learning-Service nicht mehr und akzeptieren keine neuen Benutzer mehr dafür. Diese Dokumentation ist für bestehende Benutzer verfügbar, wir aktualisieren sie jedoch nicht mehr. Weitere Informationen finden Sie unterWas Amazon Machine Learning.
Die vorliegende Übersetzung wurde maschinell erstellt. Im Falle eines Konflikts oder eines Widerspruchs zwischen dieser übersetzten Fassung und der englischen Fassung (einschließlich infolge von Verzögerungen bei der Übersetzung) ist die englische Fassung maßgeblich.
Lernalgorithmus
Der Lernalgorithmus soll die Gewichtungen für ein Modell lernen. Die Gewichtungen beschreiben die Wahrscheinlichkeit, dass die Muster, die das Modell lernt, die tatsächlichen Beziehungen in den Daten widerspiegeln. Ein Lernalgorithmus besteht aus einer Verlustfunktion und eine Optimierungsmethode. Der Verlust ist die Strafe dafür, wenn die vom ML-Modell bereitgestellte Einschätzung des Ziels nicht genau dem Ziel entspricht. Eine Verlustfunktion quantifiziert diese Strafe als einzelnen Wert. Ein Optimierungsmethode dient dazu, den Verlust zu minimieren. In Amazon Machine Learning verwenden wir drei Verlustfunktionen, eine für jeden der drei Typen von Voraussageproblemen. Die in Amazon ML verwendete Optimierungsmethode ist der online-basierte Stochastic Gradient Descent (SGD). Der SGD macht sequenzielle Durchgänge durch die Schulungsdaten und aktualisiert in jedem Durchgang die Funktionsgewichtungen der einzelnen Beispiels, um eine optimale Gewichtung zu erzielen und den Verlust zu minimieren.
Amazon ML verwendet die folgenden Algorithmen:
Für die binäre Klassifizierung verwendet Amazon ML die logistische Regression (logistische Verlustfunktion+SGD).
Für die Mehrklassen-Klassifizierung verwendet Amazon ML die multinominale logistische Regression (multinominale logistische Verlustfunktion+SGD).
Für die Regression verwendet Amazon ML die lineare Regression (quadratische Verlustfunktion+SGD).
