Algorithmus für die Hauptkomponentenanalyse (Principal Component Analysis, PCA) - Amazon SageMaker

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.

Algorithmus für die Hauptkomponentenanalyse (Principal Component Analysis, PCA)

Die PCA ist ein unüberwachter Machine Learning-Algorithmus, der versucht, die Dimensionalität (Anzahl der Merkmale) innerhalb eines Datensatzes zu reduzieren und zugleich so viele Informationen wie möglich beizubehalten. Dies geschieht, indem eine neue Menge an Merkmalen, sogenannte Komponenten, ermittelt wird, die Composites der ursprünglichen, nicht miteinander korrelierten Merkmale sind. Sie sind ebenfalls eingeschränkt, sodass die erste Komponente die größtmögliche Variabilität der Daten umfasst, die zweite Komponente die zweitgrößte Variabilität und so weiter.

In Amazon SageMaker, wird die PCA, je nach Szenario, in zwei Modi ausgeführt:

  • Regelmäßige: Für Datasets mit geringer Datendichte und einer geringen Anzahl an Beobachtungen und Merkmalen.

  • RANDOM: bei Datasets mit einer großen Anzahl an Beobachtungen und Merkmalen. Dieser Modus verwendet einen Approximationsalgorithmus.

PCA verwendet tabellarische Daten.

Die Zeilen enthalten die Beobachtungen, die in einen Raum mit geringerer Dimensionalität eingebettet werden sollen. Die Spalte enthält die Merkmale, für die Sie eine reduzierte Approximation suchen. Der Algorithmus berechnet die Kovarianzmatrix (oder eine Approximation davon in verteilter Form) und wendet dann eine Singulärwertzerlegung auf diese Zusammenfassung an, um die Hauptkomponenten zu ermitteln.

E/A-Schnittstelle für den PCA-Algorithmus

Für die Schulung der PCA müssen die Daten über den Schulungskanal bereitgestellt werden. Optional wird ein Dataset unterstützt, der an das Testdataset weitergeleitet und vom finalen Algorithmus bewertet wird. Die Formate recordIO-wrapped-protobuf und CSV werden beide für die Schulung unterstützt. Sie können entweder den Datei- oder den Pipe-Modus verwenden, um Modelle mit Daten, die als recordIO-wrapped-protobuf oder CSV formatiert sind, zu schulen.

Für Inferenzen unterstützt PCA text/csv, application/json und application/x-recordio-protobuf. Ergebnisse werden entweder im Format application/json oder application/x-recordio-protobuf mit dem Vektor "Projektionen" zurückgegeben.

Weitere Informationen über die Eingabe- und Ausgabedateiformate finden Sie unter PCA-Antwortformate für Inferenz und unter PCA-Beispiel-Notebooks.

EC2-Instance-Empfehlung für den PCA-Algorithmus

PCA unterstützt sowohl die GPU- als auch die CPU-Berechnung. Welcher Instance-Typ am leistungsstärksten ist, hängt hauptsächlich von den Besonderheiten der Eingabedaten ab.

PCA-Beispiel-Notebooks

Ein Beispiel-Notebook, das zeigt, wie Sie mit dem SageMaker mus für die Hauptkomponentenanalyse die Bilder handschriftlicher Ziffern von null bis neun im MNIST-Dataset analysieren, finden Sie unterEinführung in PCA mit MNISTaus. Anweisungen zum Erstellen von und Zugreifen auf Jupyter-Notebook-Instances, die Sie verwenden können, um das Beispiel in SageMaker auszuführen, finden Sie unter.Verwenden von Amazon SageMaker Notebook-Instancesaus. Sobald Sie eine Notebook-Instance erstellt und geöffnet haben, wählen Sie die RegisterkarteSageMaker Beispielefinden Sie eine Liste aller SageMaker Beispiele. Die Beispiel-Notebooks zur Themenmodellierung unter Verwendung der NTM-Algorithmen finden Sie im Abschnitt Einführung in die Amazon-Algorithmen. Zum Öffnen eines Notebooks klicken Sie auf die Registerkarte Use (Verwenden) und wählen Sie Create copy (Kopie erstellen) aus.