Terjemahan disediakan oleh mesin penerjemah. Jika konten terjemahan yang diberikan bertentangan dengan versi bahasa Inggris aslinya, utamakan versi bahasa Inggris.
Amazon SageMaker AI menyediakan beberapa algoritma bawaan yang dapat digunakan untuk berbagai tugas pembelajaran tanpa pengawasan seperti pengelompokan, pengurangan dimensi, pengenalan pola, dan deteksi anomali.
-
Wawasan IP—mempelajari pola penggunaan untuk IPv4 alamat. Ini dirancang untuk menangkap asosiasi antara IPv4 alamat dan berbagai entitas, seperti nomor pengguna IDs atau akun.
-
Algoritma K-Means—menemukan pengelompokan diskrit dalam data, di mana anggota kelompok semirip mungkin satu sama lain dan berbeda mungkin dari anggota kelompok lain.
-
Algoritma Analisis Komponen Utama (PCA)—mengurangi dimensi (jumlah fitur) dalam kumpulan data dengan memproyeksikan titik data ke beberapa komponen utama pertama. Tujuannya adalah untuk menyimpan informasi atau variasi sebanyak mungkin. Untuk matematikawan, komponen utama adalah vektor eigen dari matriks kovarians data.
-
Algoritma Random Cut Forest (RCF)—mendeteksi titik data anomali dalam kumpulan data yang menyimpang dari data yang terstruktur atau berpola dengan baik.
| Nama algoritma | Nama saluran | Mode masukan pelatihan | Tipe file | Kelas instans | Dapat diparalelkan |
|---|---|---|---|---|---|
| Wawasan IP | melatih dan (opsional) validasi | File | CSV | CPU atau GPU | Ya |
| K-Berarti | melatih dan (opsional) tes | File atau Pipa | Recordio-protobuf atau CSV | CPU atau GPUCommon (perangkat GPU tunggal pada satu atau beberapa instance) | Tidak |
| PCA | melatih dan (opsional) tes | File atau Pipa | Recordio-protobuf atau CSV | GPU atau CPU | Ya |
| Random Cut Forest | melatih dan (opsional) tes | File atau Pipa | Recordio-protobuf atau CSV | CPU | Ya |
