本文為英文版的機器翻譯版本，如內容有任何歧義或不一致之處，概以英文版為準。
使用 Amazon SageMaker 實驗管理 Machine Learning
Amazon SageMaker 實驗是 Amazon 的一項功能 SageMaker ，可讓您建立、管理、分析和比較機器學習實驗。
機器學習中的實驗
機器學習是反覆式過程。您需要實驗資料、演算法和參數的多種組合，並同時觀察增量變更對模型準確度的影響。隨著時間經過，此反覆式實驗可能會產生數以千計的模型訓練執行和模型版本。這會變得難以追蹤表現最佳的模型及其輸入組態。也很難比較進行中的實驗與過去的實驗，而錯失進一步漸進改善的機會。使用 SageMaker實驗組織、檢視、分析和比較迭代的 ML 實驗，以獲得比較見解並追蹤效能最佳的模型。
使用實驗管理 ML 實驗 SageMaker
SageMaker 實驗會隨著運行自動跟踪迭代的輸入，參數，配置和結果。您可以將這些運行分配，分組和組織到實驗中。 SageMaker實驗與 Amazon SageMaker Studio Classic 整合，提供視覺化介面來瀏覽您的活動和過去的實驗、比較關鍵效能指標上的執行次數，以及識別效能最佳的模型。 SageMaker 實驗會追蹤建立模型時進行的所有步驟和成品，當您在疑難排解生產中的問題或稽核模型是否符合性驗證時，您可以快速重新瀏覽模型的來源。
使用「 SageMaker 實驗」可檢視、管理、分析和比較您以程式設計方式建立的自訂實驗，以及從 SageMaker 工作自動建立的實驗。
支援 AWS 區域
SageMaker 除了中國地區外，所有提供 Amazon SageMaker Studio 經典版的AWS商業區域通常都可以使用實驗。
主題
