Las traducciones son generadas a través de traducción automática. En caso de conflicto entre la traducción y la version original de inglés, prevalecerá la version en inglés.
Ejemplo: trabajo de ajuste de hiperparámetros
Este ejemplo muestra cómo crear un nuevo cuaderno para configurar y lanzar un trabajo de ajuste de hiperparámetros. El trabajo de ajuste utiliza el XGBoostalgoritmo con Amazon SageMaker para formar un modelo para que pueda prever si un cliente se registrará en un depósito bancario a plazo después de que se pongan en contacto con él por teléfono.
Utilice el nivel inferior SDK para Python (Boto3) para configurar e iniciar el trabajo de ajuste de hiperparámetros y AWS Management Console para supervisar el estado de los trabajos de ajuste de hiperparámetros. También puede utilizar Amazon SageMaker Python de SageMaker alto nivel de Amazon SDK
Requisitos previos
Para ejecutar el código de este ejemplo, necesita
-
Un bucket de Amazon S3 para almacenar su conjunto de datos de entrenamiento y los artefactos del modelo creados durante el entrenamiento
Temas
- Creación de una instancia del cuaderno
- Obtenga el cliente Amazon SageMaker Boto 3
- Obtenga el rol de SageMaker ejecución
- Utilice un bucket de Amazon S3 para entrada y salida
- Descarga, preparación y carga de datos de entrenamiento
- Configuración y lanzamiento de un trabajo de ajuste de hiperparámetros
- Limpieza
