线性学习器算法 - Amazon SageMaker
线性学习器算法的输入/输出接口线性学习器算法的 EC2 实例建议线性学习器示例笔记本

本文属于机器翻译版本。若本译文内容与英语原文存在差异，则一律以英文原文为准。

线性学习器算法

线性模型 是用于求解分类或回归问题的指导式学习算法。对于输入，向模型提供带标记的示例 (x, y)。x 是一个高维度向量，y 是一个数字标签。对于二元分类问题，该标签必须是 0 或 1。对于多元分类问题，标签必须在 0 到 num_classes - 1 之间。对于回归问题，y 是一个实数。该算法学习线性函数或线性阈值函数（对于分类问题）进行分类，并将向量 x 映射到标签 y 的近似值。

Amazon SageMaker 线性学习器算法为分类和回归问题提供了解决方案。使用该 SageMaker 算法，您可以同时探索不同的训练目标，并从验证集中选择最佳解决方案。您还可以探索大量模型并选择最佳模型。最佳模型优化以下任一项：

  • 连续目标，如均方根误差、交叉熵损失、绝对误差。

  • 适合分类的离散目标，例如 F1 度量、查准率、查全率或准确率。

与仅为连续目标提供解决方案的方法相比， SageMaker 线性学习器算法提供了显著高于原始超参数优化技术的速度提升。它也更为方便。

线性学习器算法需要一个数据矩阵，其中行表示观察，列表示特征的维度。它还需要一个包含与数据点匹配的标签的附加列。至少，Amazon SageMaker 线性学习器要求您指定输入和输出数据位置以及目标类型（分类或回归）作为参数。特征维度也是必需的。有关更多信息，请参阅CreateTrainingJob。您可以在请求正文的 HyperParameters 字符串映射中指定其他参数。这些参数控制优化过程，或您训练的目标函数的细节。例如，纪元数、正则化和损失类型。

如果您在使用托管竞价型训练，线性学习器算法支持使用检查点来获取模型状态的快照。

主题

线性学习器算法的输入/输出接口

Amazon SageMaker 线性学习器算法支持三个数据通道：训练、验证（可选）和测试（可选）。如果您提供验证数据，S3DataDistributionType 应该为 FullyReplicated。该算法记录每个纪元中的验证损失，并使用验证数据的样本来校准和选择最佳模型。如果您不提供验证数据，该算法会使用训练数据的样本来校准和选择该模型。如果您提供了测试数据，则算法日志会包含最终模型的测试分数。

对于训练，线性学习器算法支持 recordIO-wrapped protobuf 和 CSV 格式。对于 application/x-recordio-protobuf 输入类型，只支持 Float32 张量。对于 text/csv 输入类型，第一列假定为标签，即预测的目标变量。您可以使用文件模式或管道模式，针对格式为 recordIO-wrapped-protobuf 或 CSV 的数据训练线性学习器模型。

对于推理，线性学习器算法支持 application/json、application/x-recordio-protobuf 和 text/csv 格式。在对新数据进行预测时，响应格式取决于模型类型。对于回归 (predictor_type='regressor')，score 是模型生成的预测。对于分类（predictor_type='binary_classifier' 或 predictor_type='multiclass_classifier'），模型返回 score 以及 predicted_label。predicted_label 是模型预测的类别，score 测量该预测的强度。

  • 对于二元分类，predicted_label 是 0 或 1，而 score 是单个浮点数，表示算法认为标签应为 1 的强度。

  • 对于多元分类，predicted_class 是从 0 到 num_classes-1 的整数，而 score 是一个浮点数列表，每个类别对应一个浮点数。

要解释分类问题中的 score，您必须考虑使用的损失函数。如果 loss 超参数值为 logistic（对于二元分类）或 softmax_loss（对于多元分类），则可以将 score 解释为相应类别的概率。这些是在 loss 值为 auto 默认值时线性学习器使用的损失值。但如果将 loss 设置为 hinge_loss，则不能将 score 解释为概率。这是因为铰链损失对应于支持向量分类器，该分类器不会生成概率估计值。

有关输入和输出文件格式的更多信息，请参阅 线性学习器响应格式。有关推理格式的更多信息，请参阅 线性学习器示例笔记本。

线性学习器算法的 EC2 实例建议

线性学习器算法支持使用 CPU 和 GPU 实例进行训练和推理。对于 GPU，线性学习器算法支持 P2、P3、G4dn 和 G5 GPU 系列。

在测试过程中，我们没有发现实质性证据表明多 GPU 实例比单 GPU 实例更快。结果可能会有所不同，具体取决于您的使用案例。

线性学习器示例笔记本

下表概述了各种示例笔记本，这些笔记本解决了 Amazon SageMaker 线性学习者算法的不同用例。

笔记本标题 描述

MNIST 数据集简介

使用 MNIST 数据集，我们训练二元分类器来预测一位数字。

如何构建多元分类器？

我们使用 UCI 的 Covertype 数据集，演示如何训练多元分类器。

如何构建机器学习 (ML) 管道用于推理？

我们使用 Scikit-Learn 容器演示如何构建机器学习管道。 end-to-end

有关如何创建和访问可用于在中运行示例的 Jupyter 笔记本实例的说明 SageMaker，请参阅。Amazon SageMaker 笔记本实例创建并打开笔记本实例后，选择 “SageMaker示例” 选项卡以查看所有 SageMaker 示例的列表。使用线性学习算法的主题建模示例笔记本位于 Amazon 算法简介部分中。要打开笔记本，请选择其使用选项卡，然后选择创建副本。