SageMaker AI の自動モデルチューニング

Amazon SageMaker AI 自動モデルチューニングは、データセットに対し多数のトレーニングジョブを実行することで、モデルの最適なバージョンを見つけます。Amazon SageMaker AI 自動モデルチューニングは、ハイパーパラメータチューニングとも呼ばれます。これを行うには、指定したアルゴリズムとハイパーパラメータの範囲を使用します。さらに、選択したメトリクスでの測定に基づいて、最もパフォーマンスの高いモデルを作成するハイパーパラメータ値を選択します。

例えば、マーケティングデータセットの二項分類問題を実行するとします。目標は、Amazon SageMaker AI の XGBoost アルゴリズム モデルをトレーニングすることにより、アルゴリズムのカーブの下の領域 (AUC) メトリクスを最大化することです。eta、alpha、min_child_weight、max_depth ハイパーパラメータのどの値を使用すれば最善のモデルをトレーニングできるのかを特定する必要があります。これらのハイパーパラメータの有効な値の範囲を指定します。次に、SageMaker AI のハイパーパラメータ調整により、これらの範囲内を検索して、AUC が最も高いモデルを作成するトレーニングジョブを作成する組み合わせを見つけます。リソースを節約したり、特定のモデル品質の期待を満たしたりするには、条件が満たされた後に調整を停止する完了基準を設定します。

組み込みアルゴリズム、カスタムアルゴリズム、または機械学習フレームワーク用の SageMaker AI の事前作成済みコンテナを使った、SageMaker AI AMT を使うことができます。

SageMaker AI AMT では、Amazon EC2 スポットインスタンスを使って、トレーニングジョブ実行のコストを最適化できます。詳細については、「Amazon SageMaker AI でのマネージドスポットトレーニング」を参照してください。

ハイパーパラメータ調整の使用を開始する前に、次のような明確な機械学習問題がすでに存在しています。

SageMaker AI で機能し、トレーニングジョブを 1 回以上正常に実行できるように、データセットとアルゴリズムも準備します。トレーニングジョブの設定方法および実行方法については、「Amazon SageMaker AI のセットアップガイド」を参照してください。