使用 API 创建文本分类 AutoML 作业 - 亚马逊 SageMaker AI
必需参数可选参数

本文属于机器翻译版本。若本译文内容与英语原文存在差异，则一律以英文原文为准。

使用 API 创建文本分类 AutoML 作业

以下说明演示如何使用 SageMaker API 参考创建 Amazon SageMaker Autopilot 作业作为试点实验，用于文本分类问题类型。

注意

文本和映像分类、时间序列预测和大型语言模型微调等任务都可以通过 AutoML REST API 的第 2 版独家实现。如果您选择的语言是 Python，则可以直接参考 Amazon SageMaker Python SDK 的 适用于 Python (Boto3) 的 AWS SDK 或 AutoMLV2 对象。

喜欢用户界面便利性的用户可以使用 Amazon SageMaker Canvas 访问预训练模型和生成式人工智能基础模型，或创建针对特定文本、映像分类、预测需求或生成式人工智能的定制模型。

您可以在 Amazon SageMaker Autopilot 或 AWS CLI 支持的任何语言中，通过调用 CreateAutoMLJobV2 API 操作，以编程方式创建 Autopilot 文本分类实验。

有关此 API 操作如何转换为所选语言中函数的信息，请参阅 CreateAutoMLJobV2 中的另请参阅部分并选择 SDK。例如，对于 Python 用户，请参阅 适用于 Python (Boto3) 的 AWS SDK 中 create_auto_ml_job_v2 的完整请求语法。

以下参数集合介绍了文本分类中使用的 CreateAutoMLJobV2 API 操作的必需和可选输入请求参数。

必需参数

在调用 CreateAutoMLJobV2 以创建 Autopilot 实验进行文本分类时，您必须提供以下值：

所有其他参数都是可选的。

可选参数

以下各节提供了一些可以传递给文本分类 AutoML 作业的可选参数的详细信息。

您可以提供自己的验证数据集和自定义的数据拆分比率，也可以让 Autopilot 自动拆分数据集。

每个 AutoMLJobChannel 对象（参见必需参数 AutoMLJobInputDataConfig）都有一个 ChannelType，可以将其设置为 training 或 validation 值，指定在构建机器学习模型时如何使用数据。

数据来源至少需要一个，最多可以有两个：一个用于训练数据，一个用于验证数据。如何将数据拆分为训练和验证数据集，取决于您有一个还是两个数据来源。

如何将数据拆分为训练和验证数据集，取决于您有一个还是两个数据来源。

  • 如果您只有一个数据来源，则默认情况下 ChannelType 设置为 training，并且必须具有此值。

    • 如果未设置 AutoMLDataSplitConfig 中的 ValidationFraction 值，则默认情况下，将使用来自此来源中数据的 0.2 (20%) 进行验证。

    • 如果 ValidationFraction 设置为介于 0 和 1 之间的值，则根据指定的值拆分数据集，该值指定用于验证的数据集的比例。

  • 如果您有两个数据来源，则其中一个 AutoMLJobChannel 对象的 ChannelType 必须设置为默认值 training。另一个数据来源的 ChannelType 必须设置为 validation。这两个数据来源必须具有相同的格式（CSV 或 Parquet）和相同的架构。在这种情况下，您不可为 ValidationFraction 设置值，因为每个来源的所有数据都用于训练或验证。设置此值会导致错误。

要为 AutoML 作业的最佳候选模型启用自动部署，请在 AutoML 任务请求中包括 ModelDeployConfig。这样便可以将最佳模型部署到 SageMaker AI 端点。以下是可供自定义的配置。