翻訳は機械翻訳により提供されています。提供された翻訳内容と英語版の間で齟齬、不一致または矛盾がある場合、英語版が優先します。
SageMaker AI による自動モデル調整
Amazon SageMaker AI 自動モデル調整 (AMT) は、データセットで多くのトレーニングジョブを実行することで、モデルの最適なバージョンを見つけます。Amazon SageMaker AI 自動モデル調整 (AMT) は、ハイパーパラメータ調整とも呼ばれます。そのために、 は指定したアルゴリズムとハイパーパラメータの範囲AMTを使用します。さらに、選択したメトリクスでの測定に基づいて、最もパフォーマンスの高いモデルを作成するハイパーパラメータ値を選択します。
例えば、マーケティングデータセットの二項分類問題を実行するとします。目標は、 XGBoost Amazon SageMaker AI によるアルゴリズムモデルをトレーニングすることで、アルゴリズムの曲線下面積 (AUC） メトリクスを最大化することです。eta、alpha、min_child_weight、max_depth ハイパーパラメータのどの値を使用すれば最善のモデルをトレーニングできるのかを特定する必要があります。これらのハイパーパラメータの有効な値の範囲を指定します。次に、 SageMaker AI ハイパーパラメータ調整は範囲内で検索し、 が最も高いモデルを作成するトレーニングジョブを作成する組み合わせを見つけますAUC。リソースを節約したり、特定のモデル品質の期待を満たしたりするには、条件が満たされた後に調整を停止する完了基準を設定します。
SageMaker AI は、機械学習フレームワーク用のAMT組み込みアルゴリズム、カスタムアルゴリズム、または SageMaker AI 構築済みコンテナで使用できます。
SageMaker AI は Amazon EC2 スポットインスタンスを使用して、トレーニングジョブを実行する際のコストを最適化AMTできます。詳細については、「Amazon SageMaker AI でのマネージドスポットトレーニング」を参照してください。
ハイパーパラメータ調整の使用を開始する前に、次のような明確な機械学習問題がすでに存在しています。
-
データセット
-
トレーニングする必要があるアルゴリズムのタイプの理解
-
どのように成功を測定するかについての明確な理解
SageMaker AI で動作し、トレーニングジョブを少なくとも 1 回正常に実行できるように、データセットとアルゴリズムを準備します。トレーニングジョブの設定方法および実行方法については、「Amazon SageMaker AI のセットアップガイド」を参照してください。
トピック
