9、机器学习模型训练与计算机视觉模型训练全解析

机器学习模型训练与计算机视觉模型训练全解析

1. 基于模型填充推荐矩阵

利用模型可以填充推荐矩阵中的空单元格。针对每个用户，预测所有电影的评分，并存储前 50 部电影的信息。这些信息会存储在后端，对应的元数据（如标题、类型等）会在前端应用中展示给用户。完成操作后，需删除端点：

fm_predictor.delete_endpoint()

2. 主成分分析（PCA）的应用

2.1 PCA 概述

主成分分析（PCA）是一种降维算法，常作为回归或分类前的预处理步骤。下面以 Factorization Machines 示例中构建的 protobuf 数据集为例，该数据集有 2625 列，适合进行降维。

2.2 使用步骤

1. 配置 PCA 估计器 ：

import boto3
from sagemaker import image_uris
region = boto3.Session().region_name    
container = image_uris.retrieve('pca', region) 
pca = sagemaker.estimator.Estimator(
    container=container,
    role=sagemaker.get_execution_role(),
    instance_count=1,