Licht GBM - Amazon SageMaker

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.

Licht GBM

Light GBM ist eine beliebte und effiziente Open-Source-Implementierung des Gradient Boosting Decision Tree () GBDT -Algorithmus. GBDTist ein Algorithmus für überwachtes Lernen, der versucht, eine Zielvariable genau vorherzusagen, indem er ein Ensemble von Schätzungen aus einer Reihe einfacherer und schwächerer Modelle kombiniert. Light GBM verwendet zusätzliche Techniken, um die Effizienz und Skalierbarkeit herkömmlicher Verfahren deutlich zu verbessernGBDT. Diese Seite enthält Informationen zu EC2 Amazon-Instance-Empfehlungen und Beispielnotizbüchern für LightGBM.

EC2Amazon-Instance-Empfehlung für den GBM Light-Algorithmus

SageMaker Light unterstützt GBM derzeit Einzelinstanz- und CPU Multi-Instanz-Trainings. Geben Sie für CPU Schulungen mit mehreren Instanzen (verteiltes Training) bei der Definition Ihres Estimators einen Wert instance_count größer als 1 an. Weitere Informationen zu verteilten Schulungen mit Light GBM finden Sie unter Amazon SageMaker Light GBM Distributed Training mit Dask.

Light GBM ist ein speichergebundener (im Gegensatz zu rechengebundener) Algorithmus. Daher ist eine Allzweck-Datenverarbeitungs-Instance (z. B. M5) die bessere Wahl gegenüber einer für Datenverarbeitung optimierten Instance (z. B. C5). Des Weiteren empfehlen wir, dass Sie in ausgewählten Instances genügend Gesamtspeicher zur Verfügung haben, um das Trainingsdaten aufzunehmen.

Leichte GBM Musternotizbücher

In der folgenden Tabelle sind verschiedene Beispielnotizbücher aufgeführt, die sich mit verschiedenen Anwendungsfällen des Amazon SageMaker GBM Light-Algorithmus befassen.

Titel des Notebooks Beschreibung

Tabellarische Klassifizierung mit Amazon SageMaker Light GBM und Algorithmus CatBoost

Dieses Notizbuch demonstriert die Verwendung des Amazon SageMaker GBM Light-Algorithmus zum Trainieren und Hosten eines tabellarischen Klassifikationsmodells.

Tabellarische Regression mit Amazon SageMaker Light GBM und Algorithmus CatBoost

Dieses Notizbuch demonstriert die Verwendung des Amazon SageMaker GBM Light-Algorithmus zum Trainieren und Hosten eines tabellarischen Regressionsmodells.

Amazon SageMaker Light GBM Distributed-Schulung mit Dask

Dieses Notizbuch demonstriert verteiltes Training mit dem Amazon SageMaker GBM Light-Algorithmus unter Verwendung des Dask-Frameworks.

Anweisungen zum Erstellen und Zugreifen auf Jupyter-Notebook-Instances, in denen Sie das Beispiel ausführen können, finden Sie unter. SageMaker Amazon SageMaker Notebook-Instances Nachdem Sie eine Notebook-Instanz erstellt und geöffnet haben, wählen Sie die Registerkarte SageMakerBeispiele, um eine Liste aller Beispiele anzuzeigen. SageMaker Zum Öffnen eines Notebooks wählen Sie die Registerkarte Verwenden und dann Kopie erstellen aus.