例: ハイパーパラメータ チューニング ジョブ

この例では、ハイパーパラメータ調整ジョブを設定して開始するための新しいノートブックを作成する方法を示します。調整ジョブは、XGBoost アルゴリズム を使用してモデルをトレーニングし、顧客が電話で連絡を受けた後に銀行で定期預金を申し込むかどうかを予測します。

ハイパーパラメータ調整ジョブを設定して開始するには、低レベルの AWS SDK for Python (Boto) を使用します。また、ハイパーパラメータトレーニングジョブのステータスをモニタリングするには、AWS マネジメントコンソール を使用します。また、SageMaker の高レベルの Amazon SageMaker Python SDK を使用して、ハイパーパラメータ調整ジョブを設定、実行、監視、および分析することもできます。詳しくは、https://github.com/aws/sagemaker-python-sdk を参照してください。

Prerequisites

この例のコードを実行するには、以下が必要です。

• アン AWS アカウントと管理者ユーザー

• アン Amazon S3 トレーニングデータセットと、トレーニング中に作成されたモデルアーティファクトを保存するためのバケット

• ランニング SageMaker ノートブック・インスタンス

トピック

• 作成 Notebook
• Amazon Sagemaker Boto 3 クライアントを入手する
• SageMaker の実行ロールを取得する
• バケットとデータの出力場所を指定する
• トレーニングデータをダウンロード、準備、アップロードする
• ハイパーパラメータ調整ジョブを設定して開始する
• ハイパーパラメータ調整ジョブの進行状況を監視する
• クリーンアップ