Die vorliegende Übersetzung wurde maschinell erstellt. Im Falle eines Konflikts oder eines Widerspruchs zwischen dieser übersetzten Fassung und der englischen Fassung (einschließlich infolge von Verzögerungen bei der Übersetzung) ist die englische Fassung maßgeblich.
Beispiel: Hyperparameter-Optimierungsauftrag
In diesem Beispiel wird gezeigt, wie Sie ein neues Notebook zum Konfigurieren und Starten eines Hyperparameter-Optimierungsauftrags erstellen. Der Optimierungsauftrag nutzt den XGBoost-Algorithmus mit Amazon AI SageMaker, um ein Modell zu trainieren, das dann vorhersagt, ob ein Kunde eine Banktermineinlage registriert, nachdem er per Telefon kontaktiert wurde.
Sie verwenden das Low-Level-SDK für Python (Boto3), um den Hyperparameter-Tuning-Job zu konfigurieren und zu starten und um den Status von AWS-Managementkonsole Hyperparameter-Optimierungsaufträgen zu überwachen. Sie können auch das Amazon SageMaker Python-SDK auf hoher Ebene von Amazon SageMaker AI verwenden, um
Voraussetzungen
Sie benötigen zur Ausführung des Codes in diesem Beispiel
-
Ein Amazon-S3-Bucket zum Speichern Ihres Trainingsdatensatzes und der während des Trainings erstellten Modellartefakte
Themen
