進階模型建置組態 - Amazon SageMaker
進階數值和類別預測模型設定進階時間序列預測模型設定

本文為英文版的機器翻譯版本，如內容有任何歧義或不一致之處，概以英文版為準。

進階模型建置組態

Amazon SageMaker Canvas 支援各種進階設定，您可以在建置模型時設定這些設定。下頁會列出所有進階設定，以及有關其選項和組態的其他資訊。

注意

下列進階設定目前僅支援數值、類別和時間序列預測模型類型。

進階數值和類別預測模型設定

Canvas 支援下列數值和類別預測模型類型的進階設定。

目標指標

目標指標是您希望 Canvas 在建置模型時最佳化的指標。如果您未選取指標，Canvas 預設會為您選擇一個指標。如需可用指標的說明，請參閱 指標參考。

訓練方法

Canvas 可以根據資料集大小自動選取訓練方法，也可以手動選取。下列訓練方法可供您選擇：

  • 內嵌 – SageMaker 利用 AutoGluon 程式庫來訓練數個基礎模型。若要尋找資料集的最佳組合，集合模式會使用不同的模型和中繼參數設定執行 5–10 個試驗。然後，這些模型會使用堆疊集合方法來組合，以建立最佳預測模型。如需表格式資料集合模式支援的演算法清單，請參閱下演算法一節。

  • 超參數最佳化 （HPO） – 在資料集上執行訓練任務時，使用貝氏最佳化或多保真度最佳化來調校超參數，以 SageMaker 尋找模型的最佳版本。HPO 模式會選取與資料集最相關的演算法，並選取超參數的最佳範圍來調整模型。若要調整模型，HPO模式最多會執行 100 次嘗試 （預設），以尋找所選範圍內的最佳超參數設定。如果您的資料集大小小於 100 MB， SageMaker 則使用貝氏最佳化。如果資料集大於 100 MB， SageMaker 則選擇多保真度最佳化。

    如需表格式資料HPO模式支援的演算法清單，請參閱下演算法一節。

  • Auto –根據您的資料集大小 SageMaker 自動選擇整合模式或 HPO 模式。如果您的資料集大於 100 MB， SageMaker 請選擇 HPO 模式。否則，它會選擇整合模式。

演算法

在嵌入模式中，Canvas 支援下列機器學習演算法：

  • LightGBM – 最佳化架構，使用以樹為基礎的演算法進行梯度提升。該演算法使用在廣度而非深度上生長的樹，並且針對速度進行了高度最佳化。

  • CatBoost – 使用以樹為基礎的演算法進行梯度提升的架構。針對處理分類變數進行最佳化。

  • XGBoost – 使用樹狀演算法的架構，具有梯度提升，其深度增長，而非廣度增長。

  • 隨機樹系–在資料的隨機子樣本使用多個決策樹並進行取代的樹型演算法。這些樹在每個層級被分成最佳節點。每棵樹的決策被平均在一起，以防止過度學習並改善預測。

  • Extra Tree–在整個資料集使用多個決策樹的樹型演算法。樹在每個層級隨機分割。對每棵樹的決定進行平均，以防止過度學習並改善預測。與隨機樹系演算法相比，額外的樹會增加一定程度的隨機化。

  • 線性模型–使用線性方程式對觀測資料中兩個變數之間關係進行建模的架構。

  • 神經網路火炬 – 使用 Pytorch 實作的神經網路模型。

  • 神經網路 fast.ai–使用 fast.ai 實作的神經網路模型。

在 HPO 模式 中，Canvas 支援下列機器學習演算法：

  • XGBoost – 一種監督式學習演算法，透過結合一組更簡單且較弱模型的估算集合，嘗試準確預測目標變數。

  • 深度學習演算法 – 多層 Perceptron （MLP） 和前饋人工神經網路。此演算法可以處理不可線性分隔的資料。

資料分割

您可以選擇指定如何在訓練集 （用於建置模型的資料集部分） 和驗證集 （用於驗證模型準確性的資料集部分） 之間分割資料集。例如，常見的分割比率是 80% 的訓練和 20% 驗證，其中 80% 的資料用於建置模型，而 20% 則用於測量模型效能。如果您未指定自訂比率，則 Canvas 會自動分割資料集。

候選者上限

注意

此功能僅適用於HPO訓練模式。

您可以指定 Canvas 在建置模型時產生的模型候選項目數量上限。我們建議您使用預設的候選數目，也就是 100，來建置最準確的模型。您可以指定的數目上限為 250。減少模型候選數量可能會影響模型的準確性。

任務執行時間上限

您可以指定任務執行時間上限，或 Canvas 建立模型所花費的時間上限。在時間限制之後，Canvas 會停止建置並選擇最佳模型候選。

您可以指定的最長時間為 720 小時。強烈建議您讓最大任務執行時間維持在 30 分鐘以上，以確保 Canvas 有足夠的時間產生模型候選項目並完成建立模型。

進階時間序列預測模型設定

對於時間序列預測模型，Canvas 支援目標指標，如上一節所列。

時間序列預測模型也支援下列進階設定：

演算法選擇

當您建置時間序列預測模型時，Canvas 會使用統計和機器學習演算法的集合 （或組合） 來提供高度準確的時間序列預測。根據預設，Canvas 會根據資料集中的時間序列，選取所有可用演算法的最佳組合。不過，您可以選擇指定一或多個演算法，以用於預測模型。在此情況下，Canvas 只會使用您選擇的演算法來決定最佳混合。如果您不確定要為訓練模型選取哪個演算法，建議您選擇所有可用的演算法。

注意

只有標準建置才支援演算法選擇。如果您未在進階設定中選取任何演算法，則依預設會 SageMaker 執行快速建置，並使用單一樹狀學習演算法訓練模型候選項目。如需快速建置與標準建置之間差異的詳細資訊，請參閱 自訂模型的運作方式。

Canvas 支援下列時間序列預測演算法：

  • Autoregressive Integrated Moving Average （ARIMA） – 使用統計分析來解譯資料並做出未來預測的簡單隨機時間序列模型。此演算法對於時間序列少於 100 的簡單資料集很有用。

  • 卷積神經網路 - 量化迴歸 （CNN-QR） – 一種專有的監督式學習演算法，可從大量時間序列中訓練一個全域模型，並使用 quantile 解碼器進行預測。CNN-QR 最適合用於包含數百個時間序列的大型資料集。

  • DeepAR + – 一種專有的監督式學習演算法，用於使用遞歸神經網路 （RNNs） 預測純量時間序列，在所有時間序列中共同訓練單一模型。DeepAR + 最適合使用包含數百個特徵時間序列的大型資料集。

  • 非參數時間序列 （NPTS） – 可擴展、概率的基準預測器，透過從過去的觀察中取樣來預測指定時間序列的未來值分佈。NPTS 在使用稀疏或間歇性時間序列時很有用 （例如，預測時間序列具有許多 0 秒或低計數的個別項目的需求）。

  • 指數平滑 （ETS） – 一種預測方法，可產生預測，這是過去觀察的加權平均值，其中較舊觀察的權重呈指數減少。此演算法對於時間序列少於 100 的簡單資料集和季節性模式的資料集非常有用。

  • Prophet – 一種附加迴歸模型，最適合具有強烈季節性效果和數個季節歷史資料的時間序列。此演算法對於具有接近限制之非線性成長趨勢的資料集很有用。

預測四分位數

針對時間序列預測， 會使用目標時間序列 SageMaker 訓練 6 個模型候選項目。然後，使用堆疊集合方法 SageMaker 結合這些模型，為指定的目標指標建立最佳預測模型。每個預測模型都會透過在 P1 和 P99 之間產生四分位數的預測來產生概率預測。這些分位數用於解釋預測的不確定性。根據預設，預測會針對 0.1 （p10）、0.5 （p50） 和 0.9 （p90） 產生。您可以選擇以 0.01 或更高的增量來指定最多五個從 0.01 （p1） 到 0.99 （p99） 的自有四分位數。