Esempio: processo di ottimizzazione degli iperparametri

Questo esempio illustra come creare un nuovo notebook per la configurazione e l'avvio di un processo di ottimizzazione degli iperparametri. Il processo di ottimizzazione utilizza XGBoost algoritmo con Amazon SageMaker AI per eseguire l’addestramento di un modello per prevedere se un cliente eseguirà la registrazione per un deposito bancario a termine dopo essere stato contattato telefonicamente.

Utilizzate l'SDK di basso livello per Python (Boto3) per configurare e avviare il processo di ottimizzazione degli iperparametri e per monitorare lo stato dei lavori di ottimizzazione degli iperparametri. AWS Management Console Puoi anche utilizzare l'SDK Amazon SageMaker Python di alto livello di Amazon SageMaker AI per configurare, eseguire, monitorare e analizzare i lavori di ottimizzazione degli iperparametri. Per ulteriori informazioni, consulta https://github.com/aws/sagemaker-python-sdk.

Prerequisiti

Per eseguire il codice in questo esempio, è necessario

• Un account e un utente amministratore AWS

• Un bucket Amazon S3 per l'archiviazione del set di dati di addestramento e degli artefatti del modello creati durante l’addestramento

• Un'istanza di notebook SageMaker AI in esecuzione

Argomenti

• Creazione di un'istanza del notebook

• Scarica il client Amazon SageMaker AI Boto 3

• Ottieni il ruolo di esecuzione dell'IA SageMaker

• Utilizza un bucket Amazon S3 per l'input e l'output

• Scaricare, preparare e caricare i dati di addestramento

• Configurare e avviare il processo di ottimizzazione degli iperparametri

• Eliminazione