Algorithmes intégrés non supervisés SageMaker

Amazon SageMaker fournit plusieurs algorithmes intégrés qui peuvent être utilisés pour diverses tâches d'apprentissage non supervisées, telles que le clustering, la réduction des dimensions, la reconnaissance de formes et la détection d'anomalies.

• IP Insights : apprend les modèles d'utilisation des adresses IPv4. Il est conçu pour capturer les associations entre les adresses IPv4 et diverses entités, telles que les noms d'utilisateur ou les numéros de compte.

• Algorithme des k-moyennes (k-means) : tente de trouver des regroupements discrets au sein des données, au sein desquels les membres d'un groupe sont aussi semblables que possible les uns des autres et aussi différents que possible des membres des autres groupes.

• Algorithme d'analyse en composantes principales (PCA) : réduit la dimensionnalité (nombre de fonctions) au sein d'un jeu de données en projetant des points de données sur les premiers composants principaux. L'objectif est de conserver autant d'informations ou de variations que possible. Pour les mathématiciens, les composants principaux sont les vecteurs propres de la matrice de covariance des données.

• Algorithme Random Cut Forest (RCF) : détecte les points de données anormaux d'un jeu de données qui s'écartent de données autrement bien structurées ou calquées.

Nom de l'algorithme	Nom du canal	Mode d'entrée de l'entraînement	Type de fichier	Classe d'instance	Parallélisable
IP Insights	train et (facultativement) validation	Fichier	CSV	CPU ou GPU	Oui
K-Means	train et (facultativement) test	Fichier ou Tube	recordIO-protobuf ou CSV	UC ou GPU (un seul appareil GPU sur une ou plusieurs instances)	Non
PCA	train et (facultativement) test	Fichier ou Tube	recordIO-protobuf ou CSV	GPU ou CPU	Oui
Random Cut Forest	train et (facultativement) test	Fichier ou Tube	recordIO-protobuf ou CSV	CPU	Oui