6、使用SageMaker Autopilot自动化机器学习模型开发

使用SageMaker Autopilot自动化机器学习模型开发

在机器学习领域，开发一个生产级别的模型通常涉及大量的数据处理、模型选择、训练和调优工作。而SageMaker Autopilot提供了一种自动化的方式来完成这些任务，大大降低了新手从业者的门槛。

1. 启动自动化实验

首先，我们需要在SageMaker Studio UI中进行一些设置来启动自动化实验：
- 自动部署设置 ：自动部署选项决定是否将最佳模型自动部署为生产就绪的、由SageMaker托管的端点。为避免产生不必要的AWS成本，建议将此选项设置为关闭。
- 创建实验 ：点击“Create Experiment”按钮，实验将开始运行。整个过程大约需要2小时完成，并且可以在专门的实验标签页中跟踪进度。

2. 实验运行过程

实验创建后，Autopilot会为生产创建最佳候选模型。在实验进行过程中，实验标签页会显示构成实验的各种试验，以及产生最佳模型的试验及其整体评估分数。实验完成后，右键单击最佳模型（或其他任何试验），可以查看以下重要细节：
- ML问题类型 ：基于原始数据，Autopilot评估的机器学习问题类型。
- 使用的算法 ：用于解决评估的机器学习问题的算法。
- 训练指标 ：从模型训练中获得的用于评估其性能的指标。
- 优化参数 ：用于调整模型的优化参数。
- S3存