示例笔记本：使用 Amazon A SageMaker utopilot 探索建模

Amazon SageMaker Autopilot 提供了以下示例笔记本电脑。

• 使用 Amazon A SageMaker utopilot 进行直接营销：本笔记本演示了如何使用银行营销数据集来预测客户是否会在银行注册定期存款。您可以对此数据集使用 Autopilot，通过探索各种候选管道中包含的选项来获得最精确的 ML 管道。Autopilot 在一个两步过程中生成每个候选模型。第一步对数据集执行自动实施的特征工程。第二步训练和优化算法以生成模型。此笔记本包含了说明，介绍如何训练模型以及如何部署模型以使用最佳候选模型执行批量推理。

• 使用 Amazon A SageMaker utopilot 预测客户流失：本笔记本描述了使用机器学习自动识别不满意的客户，也称为客户流失预测。此示例说明如何分析公开提供的数据集并对其执行特征工程。接下来，它展示如何通过选择性能最佳的管道以及用于训练算法的最佳超参数来优化模型。最后，它演示如何将模型部署到托管端点，以及如何根据基本事实评估其预测结果。但是，ML 模型很少能给出完美的预测。因此，此笔记本还演示了在确定使用 ML 的财务结果时，如何考虑预测错误的相对成本。

• 使用 Amazon A SageMaker utopilot 和 Batch Transform（Python SDK）预测最佳候选客户流失：本笔记本还介绍了使用机器学习自动识别不满意的客户，也称为客户流失预测。此笔记本演示了如何配置模型以获取推理概率、选择前 N 个模型以及在留存测试集上进行批量转换以进行评估。

  注意

  这款笔记本适用于 2020 年 6 月 19 日发布的 SageMaker Python SDK >= 1.65.1。

• 将您自己的数据处理代码带到 Amazon A SageMaker utopilot：本笔记本演示了在使用 Amazon A SageMaker utopilot 时如何整合和部署自定义数据处理代码。它添加了自定义特征选择步骤，以删除 Autopilot 作业中不相关的变量。然后，它展示了如何在实时端点上部署自定义处理代码和 Autopilot 生成的模型，或者用于批处理。