Crea lavori di regressione o classificazione per dati tabulari utilizzando AutoML API

Per quanto riguarda i dati tabulari, l'insieme di algoritmi eseguiti sui dati per addestrare i candidati modello dipende dalla strategia di modellazione utilizzata (ENSEMBLING o HYPERPARAMETER_TUNING). Di seguito viene descritto in dettaglio come impostare questa modalità di addestramento.

Se lasci vuoto (o null), viene dedotto Mode in base alla dimensione del set di dati.

Per informazioni sui metodi di addestramento raggruppati impilati e ottimizzazione degli iperparametri di Autopilot, consulta Modalità di addestramento e supporto degli algoritmi

Selezione delle funzionalità

Autopilot fornisce fasi automatiche di preelaborazione dei dati, tra cui la selezione e l'estrazione delle funzionalità. Tuttavia, è possibile fornire manualmente le funzionalità da utilizzare durante l’addestramento con l'attributo FeatureSpecificatioS3Uri.

Le funzionalità selezionate devono essere contenute in un JSON file nel seguente formato:

{ "FeatureAttributeNames":["col1", "col2", ...] }

I valori elencati in ["col1", "col2", ...] fanno distinzione tra maiuscole e minuscole. Dovrebbero essere un elenco di stringhe contenenti valori univoci che sono sottoinsiemi dei nomi delle colonne nei dati di input.

Selezione degli algoritmi

Per impostazione predefinita, il processo di Autopilot esegue un elenco predefinito di algoritmi sul set di dati per addestrare candidati modello. L'elenco degli algoritmi dipende dalla modalità (ENSEMBLING o HYPERPARAMETER_TUNING) di addestramento utilizzata dal processo.

È possibile fornire un sottoinsieme della selezione predefinita di algoritmi.

Per l'elenco degli algoritmi disponibili per ogni addestramento Mode, vedere AutoMLAlgorithms. Per informazioni dettagliate su ciascun algoritmo, vedere Modalità di addestramento e supporto degli algoritmi.

Puoi fornire il tuo set di dati di convalida e un rapporto di suddivisione dei dati personalizzato oppure lasciare che Autopilot suddivida automaticamente il set di dati.

Per informazioni sulla suddivisione e la convalida incrociata in Autopilot, consultare Convalida incrociata in Autopilot.

È possibile aggiungere una colonna di pesi di esempio al set di dati tabulare e quindi passarla al processo AutoML per richiedere la ponderazione delle righe del set di dati durante l’addestramento e la valutazione.

Il supporto per i pesi dei campioni è disponibile solo in modalità raggruppamento. I pesi devono essere numerici e non negativi. Sono esclusi i punti dati con un valore di peso non valido o assente. Per ulteriori informazioni sui parametri disponibili, consulta Parametri ponderati per Autopilot.

Puoi configurare il tuo processo AutoML V2 per avviare automaticamente un processo remoto su Amazon EMR Serverless quando sono necessarie risorse di elaborazione aggiuntive per elaborare set di dati di grandi dimensioni. Passando senza problemi a EMR Serverless quando necessario, il job AutoML è in grado di gestire set di dati che altrimenti supererebbero le risorse inizialmente assegnate, senza alcun intervento manuale da parte dell'utente. EMRServerless è disponibile per i tipi di problemi tabulari e di serie temporali. Consigliamo di configurare questa opzione per set di dati tabulari di dimensioni superiori a 5 GB.

Per consentire al job AutoML V2 di passare automaticamente a EMR Serverless per set di dati di grandi dimensioni, è necessario fornire un EmrServerlessComputeConfig oggetto, che include un ExecutionRoleARN campo, alla richiesta di input di AutoMLComputeConfig AutoML job V2.

ExecutionRoleARNÈ il ARN IAM ruolo che concede al job AutoML V2 le autorizzazioni necessarie per eseguire lavori Serverless. EMR

Questo ruolo deve avere la seguente relazione di fiducia:

{
    "Version": "2012-10-17",
    "Statement": [
        {
            "Effect": "Allow",
            "Principal": {
                "Service": "emr-serverless.amazonaws.com"
            },
            "Action": "sts:AssumeRole"
        }
    ]
}

E concedi le autorizzazioni per:

La IAM politica definita nel JSON documento fornito concede tali autorizzazioni:

{
    "Version": "2012-10-17",
    "Statement": [{
+            "Sid": "EMRServerlessCreateApplicationOperation",
+            "Effect": "Allow",
+            "Action": "emr-serverless:CreateApplication",
+            "Resource": "arn:aws:emr-serverless:*:*:/*",
+            "Condition": {
+                "StringEquals": {
+                    "aws:RequestTag/sagemaker:is-canvas-resource": "True",
+                    "aws:ResourceAccount": "${aws:PrincipalAccount}"
+                }
+            }
+        },
+        {
+            "Sid": "EMRServerlessListApplicationOperation",
+            "Effect": "Allow",
+            "Action": "emr-serverless:ListApplications",
+            "Resource": "arn:aws:emr-serverless:*:*:/*",
+            "Condition": {
+                "StringEquals": {
+                    "aws:ResourceAccount": "${aws:PrincipalAccount}"
+                }
+            }
+        },
+        {
+            "Sid": "EMRServerlessApplicationOperations",
+            "Effect": "Allow",
+            "Action": [
+                "emr-serverless:UpdateApplication",
+                "emr-serverless:GetApplication"
+            ],
+            "Resource": "arn:aws:emr-serverless:*:*:/applications/*",
+            "Condition": {
+                "StringEquals": {
+                    "aws:ResourceTag/sagemaker:is-canvas-resource": "True",
+                    "aws:ResourceAccount": "${aws:PrincipalAccount}"
+                }
+            }
+        },
+        {
+            "Sid": "EMRServerlessStartJobRunOperation",
+            "Effect": "Allow",
+            "Action": "emr-serverless:StartJobRun",
+            "Resource": "arn:aws:emr-serverless:*:*:/applications/*",
+            "Condition": {
+                "StringEquals": {
+                    "aws:RequestTag/sagemaker:is-canvas-resource": "True",
+                    "aws:ResourceAccount": "${aws:PrincipalAccount}"
+                }
+            }
+        },
+        {
+            "Sid": "EMRServerlessListJobRunOperation",
+            "Effect": "Allow",
+            "Action": "emr-serverless:ListJobRuns",
+            "Resource": "arn:aws:emr-serverless:*:*:/applications/*",
+            "Condition": {
+                "StringEquals": {
+                    "aws:ResourceTag/sagemaker:is-canvas-resource": "True",
+                    "aws:ResourceAccount": "${aws:PrincipalAccount}"
+                }
+            }
+        },
+        {
+            "Sid": "EMRServerlessJobRunOperations",
+            "Effect": "Allow",
+            "Action": [
+                "emr-serverless:GetJobRun",
+                "emr-serverless:CancelJobRun"
+            ],
+            "Resource": "arn:aws:emr-serverless:*:*:/applications/*/jobruns/*",
+            "Condition": {
+                "StringEquals": {
+                    "aws:ResourceTag/sagemaker:is-canvas-resource": "True",
+                    "aws:ResourceAccount": "${aws:PrincipalAccount}"
+                }
+            }
+        },
+        {
+            "Sid": "EMRServerlessTagResourceOperation",
+            "Effect": "Allow",
+            "Action": "emr-serverless:TagResource",
+            "Resource": "arn:aws:emr-serverless:*:*:/*",
+            "Condition": {
+                "StringEquals": {
+                    "aws:RequestTag/sagemaker:is-canvas-resource": "True",
+                    "aws:ResourceAccount": "${aws:PrincipalAccount}"
+                }
+            }
+        },
+        {
+            "Sid": "IAMPassOperationForEMRServerless",
+            "Effect": "Allow",
+            "Action": "iam:PassRole",
+            "Resource": "arn:aws:iam::*:role/EMRServerlessRuntimeRole-*",
+            "Condition": {
+                "StringEquals": {
+                    "iam:PassedToService": "emr-serverless.amazonaws.com",
+                    "aws:ResourceAccount": "${aws:PrincipalAccount}"
+                }
+            }
         }
    ]
}