Ajuste de un modelo k-Means

El ajuste de modelo automático, también conocido como ajuste de hiperparámetros, encuentra la mejor versión de un modelo ejecutando muchas tareas que probar una serie de hiperparámetros en su conjunto de datos. Usted elige los hiperparámetros que pueden ajustarse, un rango de valores para cada uno de ellos y una métrica objetiva. Puede elegir la métrica objetiva de las métricas que el algoritmo computa. El ajuste de modelo automático busca los hiperparámetros elegidos para encontrar la combinación de valores que obtienen el modelo que optimiza la métrica objetiva.

El algoritmo SageMaker k-means de Amazon es un algoritmo no supervisado que agrupa los datos en clústeres cuyos miembros son lo más similares posible. Dado que no es supervisado, no utiliza un conjunto de datos de validación contra el que se puedan optimizar hiperparámetros. No obstante, toma un conjunto de datos de prueba y emite métricas que dependen de la distancia cuadrática entre los puntos de datos y los centroides del clúster final al término de cada ejecución de capacitación. Para encontrar el modelo que notifica los clústeres más ajustados en el conjunto de datos de prueba, puede utilizar un trabajo de ajuste de hiperparámetro. Los clústeres optimizan la similitud de sus miembros.

Para obtener más información acerca del ajuste de modelos, consulte Realice un ajuste automático del modelo con SageMaker.

Las métricas computadas por el Algoritmo K-Means

El algoritmo k-means calcula las siguientes métricas durante la capacitación. Al ajustar un modelo, elija una de estas métricas como la métrica objetiva.

Nombre de métrica	Descripción	Dirección de optimización
test:msd	Distancias cuadráticas medias entre cada registro en el conjunto de prueba y el centro más cercano del modelo.	Minimizar
test:ssd	Suma de las distancias cuadráticas medias entre cada registro en el conjunto de prueba y el centro más cercano del modelo.	Minimizar

Hiperparámetros ajustables de k-Means

Ajuste el modelo SageMaker k-means de Amazon con los siguientes hiperparámetros. Los hiperparámetros con el mayor impacto en métricas objetivas de k-means son mini_batch_size, extra_center_factor e init_method. El ajuste del hiperparámetro epochs suele dar lugar a mejoras secundarias.

Nombre del parámetro	Tipo de parámetro	Intervalos recomendados
epochs	IntegerParameterIntervalos	MinValue: 1, :10 MaxValue
extra_center_factor	IntegerParameterRangos	MinValue: 4, :10 MaxValue
init_method	CategoricalParameterRangos	['kmeans++', 'random']
mini_batch_size	IntegerParameterRangos	MinValue: 3000,: 15000 MaxValue