を使用した自動モデル調整 SageMaker

Amazon SageMaker 自動モデル調整 (AMT) は、データセットで多くのトレーニングジョブを実行することで、モデルの最適なバージョンを見つけます。Amazon SageMaker 自動モデルチューニング (AMT) は、ハイパーパラメータチューニングとも呼ばれます。これを行うには、 は指定したハイパーパラメータのアルゴリズムと範囲AMTを使用します。さらに、選択したメトリクスでの測定に基づいて、最もパフォーマンスの高いモデルを作成するハイパーパラメータ値を選択します。

例えば、マーケティングデータセットで二項分類問題を実行する場合などです。目標は、XGBoost Amazon でのアルゴリズム SageMakerモデルをトレーニングすることで、アルゴリズムの曲線下面積 (AUC） メトリクスを最大化することです。eta、alpha、min_child_weight、max_depth ハイパーパラメータのどの値を使用すれば最善のモデルをトレーニングできるのかを特定する必要があります。これらのハイパーパラメータの有効な値の範囲を指定します。次に、 SageMaker ハイパーパラメータチューニングは範囲内で検索して、最も高い を持つモデルを作成するトレーニングジョブを作成する組み合わせを見つけますAUC。リソースを節約したり、特定のモデル品質の期待を満たすには、基準が満たされた後に調整を停止するように完了基準を設定します。

は、組み込みアルゴリズム、カスタムアルゴリズム、または機械学習フレームワーク用の SageMaker 構築済みコンテナで使用できます SageMaker AMT。

SageMaker AMT は、Amazon EC2 Spot インスタンスを使用して、トレーニングジョブを実行する際のコストを最適化できます。詳細については、「Amazon でのマネージドスポットトレーニング SageMaker」を参照してください。

ハイパーパラメータ調整の使用を開始する前に、次のような明確な機械学習問題がすでに存在しています。

データセットとアルゴリズムを準備して、トレーニングジョブを少なくとも 1 回正常に SageMaker 実行できるようにします。トレーニングジョブの設定方法および実行方法については、「Amazon のセットアップガイド SageMaker」を参照してください。