Руководство для начинающих по Sagemaker

Я следил за учебником Amazon по использованию SageMaker и использовал его для создания модели в учебнике (https://aws.amazon.com/getting-started/tutorials/build-train-deploy-machine-Learning-model-sagemaker/).

Я впервые использую SageMaker, поэтому мой вопрос может быть глупым.

Как вы на самом деле рассматриваете созданную им модель? Я хочу видеть а) окончательную формулу, созданную с параметрами и т. Д. Б) графики нанесенных на график факторов и т. Д., Как если бы я, например, просматривал GLM.

Заранее спасибо.


amazon-web-services amazon-sagemaker
person HarryShotta    schedule 07.05.2019    source источник

Ответы (1)


arrow_upward
1
arrow_downward

Если вы следовали руководству по SageMaker, вы, должно быть, обучили модель XGBoost. SageMaker помещает артефакты модели в принадлежащую вам корзину, проверьте расположение выходного S3 в консоли AWS SageMaker.

Дополнительную информацию о XGBoost можно найти в документации AWS SageMaker https://docs.aws.amazon.com/sagemaker/latest/dg/xgboost.html#xgboost-sample-notebooks и примеры записных книжек, например https://github.com/awslabs/amazon-sagemaker-examples/blob/master/introduction_to_amazon_algorithms/xgboost_abalone/xgboost_abalone.ipynb

Чтобы использовать артефакт XGBoost, созданный SageMaker, ознакомьтесь с официальной документацией, которая содержит следующий код:

# SageMaker XGBoost uses the Python pickle module to serialize/deserialize 
# the model, which can be used for saving/loading the model.
# To use a model trained with SageMaker XGBoost in open source XGBoost
# Use the following Python code:

import pickle as pkl 
model = pkl.load(open(model_file_path, 'rb'))
# prediction with test data
pred = model.predict(dtest)
person julitopower    schedule 05.06.2019