Algoritmos integrados do SageMaker para dados tabulares

O Amazon SageMaker fornece algoritmos integrados que são personalizados para a análise de dados tabulares. Os dados tabulares se referem a qualquer conjunto de dados organizado em tabelas que consistem em linhas (observações) e colunas (atributos). Os algoritmos integrados do SageMaker para dados tabulares podem ser usados para problemas de classificação ou regressão.

• AutoGluon-Tabular: uma estrutura de AutoML de código aberto que é bem-sucedida ao agrupar modelos e empilhá-los em várias camadas.

• CatBoost: uma implementação do algoritmo de árvores com aumento de gradiente que introduz o aumento ordenado e um algoritmo inovador para processar características categóricas.

• Algoritmo de Máquinas de fatoração: é uma extensão de um modelo linear projetado para capturar, com baixo custo, as interações entre os atributos presentes em conjuntos de dados esparsos altamente dimensionais.

• Algoritmo k-nearest neighbors (k-NN): um método não paramétrico que usa os pontos k rotulados mais próximos para atribuir um rótulo a um novo ponto de dados para classificação ou um valor de destino previsto a partir da média dos pontos k mais próximos para a regressão.

• LightGBM: uma implementação do algoritmo de árvores com aumento de gradiente que adiciona duas novas técnicas para melhorar a eficiência e a escalabilidade: amostragem unilateral baseada em gradiente (GOSS) e empacotamento de atributos exclusivos (EFB).

• Algoritmo de Aprendizagem linear: aprende uma função linear para regressão ou uma função de limite linear para classificação.

• TabTransformer: uma arquitetura inovadora de modelagem de dados tabulares profundos construída em transformadores baseados em autoatenção.

• Algoritmo XGBoost: uma implementação do algoritmo de árvores com aumento de gradiente que combina um conjunto de estimativas a partir de um conjunto de modelos mais simples e menos robustos.

Nome do algoritmo	Nome do canal	Modo de entrada do treinamento	Tipo de arquivo	Classe de instância	Paralelizável
Autogluon-tabular	treinamento e (opcionalmente) validação	Arquivo	CSV	CPU ou GPU (somente instância única)	Não
CatBoost	treinamento e (opcionalmente) validação	Arquivo	CSV	CPU (somente instância única)	Não
Máquinas de fatoração	treinamento e (opcionalmente) teste	Arquivo ou Pipe	recordIO-protobuf	CPU (GPU para dados densos)	Sim
k-nearest-neighbor (k-NN)	treinamento e (opcionalmente) teste	Arquivo ou Pipe	recordIO-protobuf ou CSV	CPU ou GPU (dispositivo de GPU única em uma ou mais instâncias)	Sim
LightGBM	treinamento e (opcionalmente) validação	Arquivo	CSV	CPU (somente instância única)	Não
Aprendizagem linear	treinamento e (opcionalmente) validação, teste ou ambos	Arquivo ou Pipe	recordIO-protobuf ou CSV	CPU ou GPU	Sim
TabTransformer	treinamento e (opcionalmente) validação	Arquivo	CSV	CPU ou GPU (somente instância única)	Não
XGBoost (0.90-1, 0.90-2, 1.0-1, 1.2-1, 1.2-21)	treinamento e (opcionalmente) validação	Arquivo ou Pipe	CSV, LibSVM ou Parquet	CPU (ou GPU para 1.2-1)	Sim