Šiame vadove bus paaiškintas kryžminis patvirtinimas ir jo veikimas naudojant AWS paslaugą.
Kas yra kryžminis patvirtinimas?
Kryžminis patvirtinimas leidžia kūrėjams palyginti skirtingus mašininio mokymosi modelius ir pajusti jų darbą realiame gyvenime. Tai padeda vartotojui išsiaiškinti, kuris mašininio mokymosi (ML) arba giluminio mokymosi (DL) modelis geriau veiks pagal konkrečius duomenis ar scenarijų. Yra situacijų, kai vienam duomenų rinkiniui gali būti naudojami keli modeliai. Čia kūrėjai naudoja kryžminį patvirtinimą, kad gautų tinkamą modelį ir gautų optimizuotus rezultatus:
Kaip veikia kryžminis patvirtinimas?
Norėdami patikrinti ML modelius duomenų rinkinyje, vartotojas turi įvertinti modelio ypatybes, kurios vadinamos algoritmo mokymu. Kitas dalykas, kurį reikia patikrinti, yra modelio įvertinimas, siekiant išsiaiškinti, kaip gerai jis veikė, ir tai vadinama modelio testavimu. Nerekomenduojama išbandyti modelio su visais duomenimis, tačiau 75% duomenų naudojame mokymams ir 25% bandymams, kad gautume geresnių rezultatų. Kryžminis patvirtinimas atlieka kas 25 % duomenų testavimą, kad patikrintų, kuris blokas veikia geriausiai:
Kas yra „Amazon SageMaker“?
Kryžminis patvirtinimas AWS gali būti atliekamas naudojant „Amazon SageMaker“ paslaugą, nes ji skirta kurti, mokyti ir įdiegti mašininio mokymosi modelius. Tai padeda duomenų mokslininkams ir kūrėjams parengti duomenis efektyviems ML arba DL modeliams kurti, sujungiant specialiai sukurtas galimybes. Šios galimybės yra naudingos kuriant optimizuotus ir tikslius modelius, kurie laikui bėgant galės tobulėti:
„Amazon SageMaker“ savybės
„Amazon SageMaker“ yra valdoma paslauga ir jai nereikia valdyti ML aplinkų. Norint apmokyti ir kurti ML modelius, reikia daug duomenų, todėl jis gerai susijungia su „Amazon S3“ arba „Amazon Redshift“ paslaugomis duomenims rinkti. Neapdorotus duomenis gali būti sunku gauti iš informacijos, todėl modeliams kurti reikia ir funkcijų. Tada naudokite duomenis modeliams mokyti, o tada atlikite bandymus naudodami kas 25 % duomenų, kad gautumėte geresnių rezultatų / prognozių:
Tai viskas apie kryžminį patvirtinimą AWS.
Išvada
Kryžminis patvirtinimas yra optimalaus mašininio mokymosi arba gilaus mokymosi modelio gavimo procesas, kad duomenys būtų geresni, kad būtų gauti geresni rezultatai. Jis atliks kiekvienos 25 % duomenų dalies testavimą, kad suprastų, kuris blokas suteikia didžiausią išvestį, todėl jis yra tinkamas modelis. AWS teikia paslaugą „SageMaker“, kad būtų galima atlikti kryžminį patvirtinimą ir kurti mašininio mokymosi modelius debesyje. Šiame vadove paaiškintas kryžminio patvirtinimo procesas ir jo veikimas AWS.