Exemple : tâche de réglage d'hyperparamètres

Cet exemple montre comment créer un bloc-notes pour configurer et lancer une tâche de réglage d'hyperparamètres. La tâche de réglage utilise Algorithme XGBoost pour entraîner un modèle afin de prédire si un client va s'inscrire pour un dépôt bancaire à terme après avoir été contacté par téléphone.

Vous utilisez le kit SDK pour Python (Boto3) de bas niveau pour configurer et lancer la tâche de réglage des hyperparamètres, et la AWS Management Console pour surveiller le statut des tâches de réglage d'hyperparamètres. Vous pouvez également utiliser le SDK Amazon SageMaker Python de SageMaker haut niveau d'Amazon pour configurer, exécuter, surveiller et analyser les tâches de réglage des hyperparamètres. Pour plus d'informations, consultez https://github.com/aws/ sagemaker-python-sdk.

Prérequis

Pour exécuter le code de cet exemple, vous avez besoin de :

• Un compte AWS et un utilisateur administrateur

• Un compartiment Amazon S3 pour stocker votre jeu de données d'entraînement et les artefacts du modèle créés pendant l'entraînement

• Une instance d' SageMaker ordinateur portable en cours d'exécution

Rubriques

• Création d'une instance de bloc-notes
• Téléchargez le client Amazon SageMaker Boto 3
• Obtenir le rôle SageMaker d'exécution
• Utilisation d'un compartiment Amazon S3 pour les entrées et les sorties
• Téléchargement, préparation et chargement des données d'entraînement
• Configuration et lancement de la tâche de réglage des hyperparamètres
• Nettoyage