範例筆記本：探索使用 Amazon SageMaker 自動輔助駕駛模型

Amazon SageMaker 自動輔助駕駛提供下列範例筆記型電腦。

• 使用 Amazon SageMaker Autopilot 進行直接行銷：此筆記型電腦示範如何使用銀行行銷資料集來預測客戶是否要在銀行註冊定期存款。您可以在此資料集上使用 Autopilot，探索各種管道候選項目所包含的選項以取得最準確的 ML 管道。Autopilot 會在雙步驟的程序中產生每個候選項目。第一個步驟會在資料集上執行自動化功能工程設計。第二個步驟會訓練並調校演算法以產生模型。此筆記本包含說明如何訓練模型以及如何部署模型，以使用最佳候選項目執行批次推論的相關指示。

• Amazon SageMaker Autopilot 的客戶流失預測：本筆記本說明如何使用機器學習來自動識別不滿意的客戶，也稱為客戶流失預測。此範例說明如何分析可公開取得的資料集，以及在該資料集上執行功能工程設計。接著，它說明如何選取最佳效能的管道以及訓練演算法的最佳超參數來調校模型。最後，它說明如何將模型部署到託管端點，並根據基本事實如何評估其預測。但是，ML 模型很少給出完美的預測。這就是這個筆記本也在說明如何在確定使用 ML 的財務結果時，合併預測錯誤之相對成本的原因。

• Amazon SageMaker Autopilot 和 Batch 轉換 (Python SDK) 的熱門候選人客戶流失預測：本筆記本還描述了如何使用機器學習來自動識別不滿意的客戶，也稱為客戶流失預測。這個筆記本示範如何設定模型以取得推論機率、選取前 N 個模型，以及在保留測試集上進行批次轉換以進行評估。

  注意

  這款筆記本適用於 2020 年 6 月 19 日發行的 SageMaker Python SDK > = 1.65.1。

• 將您自己的資料處理程式碼帶到 Amazon SageMaker Autopilot：本筆記本示範如何在使用 Amazon SageMaker Autopilot 時合併和部署自訂資料處理程式碼。它新增一個自訂功能選擇步驟，以移除與 Autopilot 任務不相關的變數。然後，它會示範如何在即時端點上部署 Autopilot 所產生的自訂處理程式碼和模型，或者，進行批次處理。