使用 AutoML API 为表格数据创建回归或分类作业

聚焦模式

使用 AutoML API 为表格数据创建回归或分类作业 - 亚马逊 SageMaker AI

必需参数可选参数将 a 迁移 CreateAutoMLJob 到 CreateAuto MLJob V2

您可以通过调用 Autopilot 或 AWS CLI支持的任何语言的 CreateAutoMLJobV2 API 操作，以编程方式为表格数据创建 Autopilot 回归或分类作业。以下参数集合介绍了 CreateAutoMLJobV2 API 操作的必需和可选输入请求参数。您可以找到此操作先前版本 CreateAutoMLJob 的备用信息。但是，我们建议使用 CreateAutoMLJobV2。

有关此 API 操作如何转换为所选语言中函数的信息，请参阅 CreateAutoMLJobV2 中的另请参阅部分并选择 SDK。例如，对于 Python 用户，请参阅 AWS SDK for Python (Boto3)中 create_auto_ml_job_v2 的完整请求语法。

注意

CreateAutoMLJobV2 和 DescribeAutoMLJobV2 是的新版本，DescribeAutoMLJob它们提供了向后兼容性CreateAutoMLJob。

我们建议使用 CreateAutoMLJobV2。CreateAutoMLJobV2 可以管理与其先前版本 CreateAutoMLJob 相同的表格问题类型，以及非表格问题类型，例如图像或文本分类或者时间序列预测。

至少，所有表格数据实验都需要指定实验名称，提供输入和输出数据的位置，并指定要预测的目标数据。您还可以选择指定要解决的问题类型（回归、分类、多分类器）、选择建模策略（堆叠集合或超参数优化）、选择 Autopilot 任务用于训练数据的算法列表等。

实验运行后，您可以比较试验，并深入研究每个模型的预处理步骤、算法和超参数范围的详细信息。您还可以选择下载他们的解释功能和性能报告。使用提供的笔记本查看自动数据探索的结果或候选模型定义。

在将 a 迁移 CreateAutoMLJob 到 CreateAuto MLJob V2 中查找有关如何将 CreateAutoMLJob 迁移到 CreateAutoMLJobV2 的指南。

必需参数

anchor anchor

在调用 CreateAutoMLJobV2 为表格数据创建 Autopilot 实验时，您必须提供以下值：

AutoMLJobName，用于指定您作业的名称。
AutoMLJobInputDataConfig 中至少有一个 AutoMLJobChannel 来指定您的数据来源。
同时提供 AutoMLJobObjective 指标和您在 AutoMLProblemTypeConfig 中选择的有监督问题类型（二元分类、多元分类、回归），或者均不提供。对于表格数据，您必须选择 TabularJobConfig 作为 AutoMLProblemTypeConfig 的类型。您可以在 TabularJobConfig 的 ProblemType 属性中设置有监督学习问题。
OutputDataConfig，指定用于存储 AutoML 作业构件的 Amazon S3 输出路径。
RoleArn，指定用于访问您的数据的角色的 ARN。

所有其他参数都是可选的。

可选参数

以下部分提供了一些可选参数的详细信息，在使用表格数据时，您可以将这些参数传递给 CreateAutoMLJobV2 API 操作。您可以找到此操作先前版本 CreateAutoMLJob 的备用信息。但是，我们建议使用 CreateAutoMLJobV2。

对于表格数据，在您的数据上运行用于训练候选模型的算法集取决于您的建模策略（ENSEMBLING 或 HYPERPARAMETER_TUNING）。以下将详细介绍如何设置此训练模式。

如果保留空白（或为 null），则 Mode 根据数据集的大小进行推理。

有关 Autopilot 的堆叠组合和超参数优化训练方法的信息，请参阅训练模式和算法支持

如何设置 AutoML 作业的训练模式

如果保留空白（或为 null），则 Mode 根据数据集的大小进行推理。

有关 Autopilot 的堆叠组合和超参数优化训练方法的信息，请参阅训练模式和算法支持

anchor anchor

对于表格数据，您必须选择 TabularJobConfig 作为 AutoMLProblemTypeConfig 的类型。

您可以使用 TabularJobConfig.Mode 参数设置 AutoML 作业 V2 的训练方法。

特征选择

Autopilot 提供自动数据预处理步骤，包括特征选择和特征提取。但是，您可以使用 FeatureSpecificatioS3Uri 属性手动提供要在训练中使用的特征。

所选特征应包含在 JSON 文件中，采用以下格式：


{ "FeatureAttributeNames":["col1", "col2", ...] }

["col1", "col2", ...] 中列出的值区分大小写。它们应该是包含唯一值的字符串列表，这些值是输入数据中列名的子集。

注意

提供作为特征的列的列表不能包括目标列。

算法选择

默认情况下，您的 Autopilot 作业会在数据集上运行预定义的算法列表，以训练候选模型。算法列表取决于作业使用的训练模式（ENSEMBLING 或 HYPERPARAMETER_TUNING）。

您可以提供默认算法选择的子集。

有关各种训练 Mode 可用算法的列表，请参阅 AutoMLAlgorithms。有关每种算法的详细信息，请参阅训练模式和算法支持。

如何选择用于训练 AutoML 作业的特征和算法

特征选择

Autopilot 提供自动数据预处理步骤，包括特征选择和特征提取。但是，您可以使用 FeatureSpecificatioS3Uri 属性手动提供要在训练中使用的特征。

所选特征应包含在 JSON 文件中，采用以下格式：


{ "FeatureAttributeNames":["col1", "col2", ...] }

["col1", "col2", ...] 中列出的值区分大小写。它们应该是包含唯一值的字符串列表，这些值是输入数据中列名的子集。

注意

提供作为特征的列的列表不能包括目标列。

anchor anchor

对于表格数据，您必须选择 TabularJobConfig 作为 AutoMLProblemTypeConfig 的类型。

您可以使用 TabularJobConfig.FeatureSpecificatioS3Uri 参数设置所选特征的 URL。

算法选择

您可以提供默认算法选择的子集。

anchor anchor

对于表格数据，您必须选择 TabularJobConfig 作为 AutoMLProblemTypeConfig 的类型。

可以在的AlgorithmsConfig属性AutoMLAlgorithms中指定选定的数组CandidateGenerationConfig。

以下是一个 AlgorithmsConfig 属性示例，在 AutoMLAlgorithms 字段中列出了用于组合模式的三种算法（“xgboost”、“fastai”、“catboost”）。


{
   "AutoMLProblemTypeConfig": {
        "TabularJobConfig": {
          "Mode": "ENSEMBLING",
          "CandidateGenerationConfig": {
            "AlgorithmsConfig":[
               {"AutoMLAlgorithms":["xgboost", "fastai", "catboost"]}
            ]
         },
       },
     },
  }

有关各种训练 Mode 可用算法的列表，请参阅 AutoMLAlgorithms。有关每种算法的详细信息，请参阅训练模式和算法支持。

您可以提供自己的验证数据集和自定义的数据拆分比率，也可以让 Autopilot 自动拆分数据集。

CreateAutoMLJobV2

每个AutoMLJobChannel对象（参见必填参数 Auto MLJob InputDataConfig）都有ChannelType，可以将其设置为training或指定在构建机器学习模型时如何使用数据的validation值。数据来源至少需要一个，最多可以有两个：一个用于训练数据，一个用于验证数据。