Le traduzioni sono generate tramite traduzione automatica. In caso di conflitto tra il contenuto di una traduzione e la versione originale in Inglese, quest'ultima prevarrà.
Esempio: processo di ottimizzazione degli iperparametri
Questo esempio illustra come creare un nuovo notebook per la configurazione e l'avvio di un processo di ottimizzazione degli iperparametri. Il processo di ottimizzazione utilizza Usa l'algoritmo XGBoost con Amazon SageMaker per eseguire l’addestramento di un modello per prevedere se un cliente eseguirà la registrazione per un deposito bancario a termine dopo essere stato contattato telefonicamente.
Si utilizza il livello basso SDK per Python (Boto3) per configurare e avviare il processo di ottimizzazione degli iperparametri e per monitorare lo stato dei lavori di ottimizzazione AWS Management Console degli iperparametri. Puoi anche utilizzare Amazon SageMaker SDKPython di SageMaker alto livello di Amazon
Prerequisiti
Per eseguire il codice in questo esempio, è necessario
-
Un bucket Amazon S3 per l'archiviazione del set di dati di addestramento e degli artefatti del modello creati durante l’addestramento
Argomenti
- Creazione di un'istanza del notebook
- Scarica il client Amazon SageMaker Boto 3
- Ottieni il ruolo di esecuzione SageMaker
- Utilizza un bucket Amazon S3 per l'input e l'output
- Scaricare, preparare e caricare i dati di addestramento
- Configurare e avviare il processo di ottimizzazione degli iperparametri
- Eliminazione
