SageMaker で自動モデル調整の実行 - Amazon SageMaker

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 で自動モデル調整の実行

Amazon SageMaker の自動モデル調整はハイパーパラメータ調整とも呼ばれ、指定したアルゴリズムとハイパーパラメータの範囲を使用して、データセットに対して多数のトレーニングジョブを実行することにより、モデルの最適なバージョンを見つけます。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になるハイパーパラメータ値を選択します。

たとえば、マーケティングデータセットの二項分類問題を解決するとします。あなたの目標は、最大化することです曲線の下の領域 (auc)を訓練することによって、アルゴリズムのメトリックXGBoost アルゴリズムモデル。etaalphamin_child_weightmax_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はまだわかっていないとします。これらのハイパーパラメータに最適な値を見つけるために、SageMaker ハイパーパラメータ調整が検索する値の範囲を指定します。これにより、選択した目標メトリクスで測定した場合に最善の結果をもたらすトレーニングジョブを生成することができます。ハイパーパラメータ調整は、指定した範囲内のハイパーパラメータ値を使用するトレーニングジョブを開始し、最高の auc を実現するトレーニングジョブを返します。

組み込みアルゴリズム、カスタムアルゴリズム、および機械学習フレームワーク用の SageMaker の事前作成済みコンテナを使用した SageMaker 自動モデル調整を使用できます。

Amazon SageMaker 自動モデルチューニングでは、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できます。マネージドスポットトレーニングの詳細については、「」を参照してください。Amazon SageMaker のマネージドスポットトレーニング

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 で動作し、トレーニングジョブを 1 回以上正常に実行できるように、データセットとアルゴリズムも準備する必要があります。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 の利用を開始する」を参照してください。