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.
Algorithmus für die Hauptkomponentenanalyse (Principal Component Analysis, PCA)
Die PCA ist ein unüberwachter Machine-Learning-Algorithmus, der versucht, die Dimensionalität (Anzahl der Merkmale) innerhalb eines Datensatzes zu reduzieren und zugleich so viele Informationen wie möglich beizubehalten. Dies geschieht, indem eine neue Menge an Merkmalen, sogenannte Komponenten, ermittelt wird, die Composites der ursprünglichen, nicht miteinander korrelierten Merkmale sind. Sie sind ebenfalls eingeschränkt, sodass die erste Komponente die größtmögliche Variabilität der Daten umfasst, die zweite Komponente die zweitgrößte Variabilität und so weiter.
In Amazon SageMaker AI arbeitet PCA je nach Szenario in zwei Modi:
-
regular: bei Datensätzen mit geringer Datendichte und einer geringen Anzahl an Beobachtungen und Merkmalen.
-
randomized: bei Datensätzen mit einer großen Anzahl an Beobachtungen und Merkmalen. Dieser Modus verwendet einen Approximationsalgorithmus.
PCA verwendet tabellarische Daten.
Die Zeilen enthalten die Beobachtungen, die in einen Raum mit geringerer Dimensionalität eingebettet werden sollen. Die Spalte enthält die Merkmale, für die Sie eine reduzierte Approximation suchen. Der Algorithmus berechnet die Kovarianzmatrix (oder eine Approximation davon in verteilter Form) und wendet dann eine Singulärwertzerlegung auf diese Zusammenfassung an, um die Hauptkomponenten zu ermitteln.
Themen
E/A-Schnittstelle für den PCA-Algorithmus
Für das Training der PCA müssen die Daten über den Trainingskanal bereitgestellt werden. Optional wird ein Datensatz unterstützt, der an den Testdatensatz weitergeleitet und vom finalen Algorithmus bewertet wird. Die Formate recordIO-wrapped-protobuf und CSV werden beide für das Training unterstützt. Sie können entweder den Datei- oder den Pipe-Modus verwenden, um Modelle mit Daten, die als recordIO-wrapped-protobuf oder CSV formatiert sind, zu trainieren.
Für Inferenzen unterstützt PCA text/csv, application/json und application/x-recordio-protobuf. Ergebnisse werden entweder im Format application/json oder application/x-recordio-protobuf mit dem Vektor "Projektionen" zurückgegeben.
Weitere Informationen über die Eingabe- und Ausgabedateiformate finden Sie unter PCA-Antwortformate für Inferenz und unter PCA-Beispiel-Notebooks.
EC2 Instanzempfehlung für den PCA-Algorithmus
PCA unterstützt CPU- und GPU-Instances für Training und Inferenz. Welcher Instance-Typ am leistungsstärksten ist, hängt hauptsächlich von den Besonderheiten der Eingabedaten ab. Für GPU-Instances unterstützt PCA P2, P3, G4dn und G5.
PCA-Beispiel-Notebooks
Ein Beispielnotizbuch, das zeigt, wie der Algorithmus SageMaker AI Principal Component Analysis verwendet wird, um die Bilder handgeschriebener Ziffern von Null bis Neun im MNIST-Datensatz zu analysieren, finden Sie unter Eine Einführung in PCA
