Tato příručka vysvětlí křížové ověření a jeho fungování pomocí služby AWS.
Co je křížová validace?
Cross-Validation umožňuje vývojářům porovnávat různé modely strojového učení a získat představu o jejich práci v reálném životě. Pomáhá uživateli zjistit, který model strojového učení (ML) nebo hlubokého učení (DL) bude fungovat lépe pro konkrétní data nebo scénář. Existují situace, kdy lze pro jednu datovou sadu použít více modelů, zde vývojáři používají křížovou validaci, aby získali vhodný model, aby získali optimalizované výsledky:
Jak funguje křížová validace?
Pro kontrolu modelů ML na datové sadě musí uživatel odhadnout vlastnosti modelu, který se nazývá trénování algoritmu. Další věcí, kterou je třeba zkontrolovat, je vyhodnocení modelu, abyste zjistili, jak dobře fungoval, a nazývá se testování modelu. Není dobrý nápad testovat model na všech datech, nicméně 75 % dat používáme pro trénink a 25 % pro testování, abychom získali lepší výsledky. Křížové ověření provádí testování na každých 25 % dat, aby se zjistilo, který blok funguje nejlépe:
Co je Amazon SageMaker?
Křížové ověření v AWS lze provést pomocí služby Amazon SageMaker, protože je navržena pro vytváření, trénování a nasazování modelů strojového učení. Pomáhá datovým vědcům a vývojářům připravovat data pro vytváření efektivních modelů ML nebo DL tím, že spojuje účelové funkce. Tyto funkce jsou užitečné pro vytváření optimalizovaných a přesných modelů, které se budou časem zlepšovat:
Funkce Amazon SageMaker
Amazon SageMaker je spravovaná služba a nevyžaduje správu prostředí ML. Potřebuje hodně dat k trénování a sestavování modelů ML, takže se dobře propojí se službami Amazon S3 nebo Amazon Redshift pro sběr dat. Nezpracovaná data může být obtížné získat informace, takže také vyžadují funkce pro vytváření modelů. Poté použijte data k trénování modelů a poté na nich proveďte testy s využitím každých 25 % dat, abyste získali lepší výsledky/předpovědi:
To je vše o křížové validaci v AWS.
Závěr
Křížová validace je proces získání optimálního modelu strojového učení nebo hlubokého učení pro data, abyste získali lepší výsledky. Provede testování pro každý 25% úsek dat, aby pochopil, který blok poskytuje maximální výstup, což z něj činí vhodný model přizpůsobení. AWS poskytuje službu SageMaker k provádění křížové validace a vytváření modelů strojového učení v cloudu. Tato příručka vysvětluje proces křížové validace a jeho fungování v AWS.