7、自动化机器学习模型开发：SageMaker Autopilot与AutoGluon的应用

自动化机器学习模型开发：SageMaker Autopilot与AutoGluon的应用

1. 使用SageMaker Autopilot自动化机器学习模型开发

在机器学习模型开发过程中，SageMaker Autopilot提供了强大的自动化功能。我们可以使用 describe_auto_ml_job() 方法来获取Autopilot作业的当前概述。需要注意的是，SDK会自动为作业名称添加版本信息，这个作业名称在后续的实验探索和清理中会用到。

为了使实验具有可重复性，一些机器学习从业者可能希望对生成的模型进行可视化比较。当AutoML实验正在进行时，我们可以等待其完成，然后比较模型，并探索SageMaker SDK如何进行实验分析。

1.1 用代码分析Autopilot实验

当Autopilot实验完成后，我们可以使用SageMaker SDK的 analytics() 类来编程探索各种模型候选（或试验），以比较候选评估结果，就像我们之前在Studio UI中所做的那样。以下是具体步骤：
1. 加载 ExperimentAnalytics() 类 ：

from sagemaker.analytics import ExperimentAnalytics
automl_experiment = ExperimentAnalytics(
    sagemaker_session=session,
    experiment_name="{