Pilih preferensi cookie Anda

Kami menggunakan cookie penting serta alat serupa yang diperlukan untuk menyediakan situs dan layanan. Kami menggunakan cookie performa untuk mengumpulkan statistik anonim sehingga kami dapat memahami cara pelanggan menggunakan situs dan melakukan perbaikan. Cookie penting tidak dapat dinonaktifkan, tetapi Anda dapat mengklik “Kustom” atau “Tolak” untuk menolak cookie performa.

Jika Anda setuju, AWS dan pihak ketiga yang disetujui juga akan menggunakan cookie untuk menyediakan fitur situs yang berguna, mengingat preferensi Anda, dan menampilkan konten yang relevan, termasuk iklan yang relevan. Untuk menerima atau menolak semua cookie yang tidak penting, klik “Terima” atau “Tolak”. Untuk membuat pilihan yang lebih detail, klik “Kustomisasi”.

Algoritma AI Bawaan SageMaker Tanpa Pengawasan

Mode fokus
Algoritma AI Bawaan SageMaker Tanpa Pengawasan - Amazon SageMaker AI

Terjemahan disediakan oleh mesin penerjemah. Jika konten terjemahan yang diberikan bertentangan dengan versi bahasa Inggris aslinya, utamakan versi bahasa Inggris.

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
PrivasiSyarat situsPreferensi cookie
© 2025, Amazon Web Services, Inc. atau afiliasinya. Semua hak dilindungi undang-undang.