Ez az útmutató elmagyarázza a keresztellenőrzést és annak működését az AWS szolgáltatás használatával.
Mi az a keresztellenőrzés?
A keresztellenőrzés lehetővé teszi a fejlesztők számára, hogy összehasonlítsák a különböző gépi tanulási modelleket, és képet kapjanak munkájukról a való életben. Segít a felhasználónak kitalálni, hogy egy adott adathoz vagy forgatókönyvhöz melyik gépi tanulási (ML) vagy mély tanulási (DL) modell működik jobban. Vannak helyzetek, amikor több modell is használható egy adatkészlethez, itt a fejlesztők keresztellenőrzést alkalmaznak, hogy egy illeszkedési modellt kapjanak az optimalizált eredmények elérése érdekében:
Hogyan működik a keresztellenőrzés?
Az ML modellek adathalmazon történő ellenőrzéséhez a felhasználónak meg kell becsülnie a modell jellemzőit, amit az algoritmus betanításának nevezünk. Egy másik ellenőrizendő dolog a modell értékelése annak megállapítására, hogy mennyire jól teljesített, és ezt a modell tesztelésének nevezik. Nem jó ötlet minden adaton tesztelni a modellt, azonban az adatok 75%-át edzésre, 25%-át tesztelésre használjuk, hogy jobb eredményeket érjünk el. A keresztellenőrzés az adatok minden 25%-án teszteli, hogy melyik blokk teljesít a legjobban:
Mi az Amazon SageMaker?
A keresztellenőrzés az AWS-ben az Amazon SageMaker szolgáltatással végezhető el, mivel azt gépi tanulási modellek létrehozására, betanítására és üzembe helyezésére tervezték. Segíti az adattudósokat és a fejlesztőket abban, hogy adatokat készítsenek elő a hatékony ML- vagy DL-modellek felépítéséhez azáltal, hogy egyesíti a célra épített képességeket. Ezek a képességek hasznosak optimalizált és pontos modellek felépítéséhez, amelyek idővel javulhatnak:
Az Amazon SageMaker jellemzői
Az Amazon SageMaker egy felügyelt szolgáltatás, amely nem igényli az ML környezetek kezelését. Sok adatra van szüksége az ML modellek betanításához és felépítéséhez, így jól csatlakozik az Amazon S3 vagy az Amazon Redshift szolgáltatásaihoz az adatgyűjtéshez. A nyers adatokból nehéz információkat szerezni, ezért a modellek felépítéséhez funkciókra is szükség van. Ezután használja az adatokat a modellek betanításához, majd végezzen teszteket rajtuk az adatok minden 25%-ával, hogy jobb eredményeket/előrejelzéseket kapjon:
Ez minden az AWS keresztellenőrzéséről szól.
Következtetés
A keresztellenőrzés az optimális gépi tanulási vagy mély tanulási modell megszerzésének folyamata az adatokhoz, hogy jobb eredményeket érjenek el. Tesztelést végez az adatok minden 25%-ánál, hogy megértse, melyik blokk biztosítja a maximális kimenetet, így megfelelő illeszkedési modellt alkot. Az AWS a SageMaker szolgáltatást kínálja keresztellenőrzés végrehajtásához és gépi tanulási modellek felépítéséhez a felhőben. Ez az útmutató ismerteti a keresztellenőrzési folyamatot és az AWS-ben való működését.