python - SageMaker Hypertuning 的 AUC 客观指标
问题描述
我已经使用带有 SageMaker 的 AWS 内置算法训练了二进制分类模型,并希望使用 AUC 和混淆矩阵来评估模型。但是,我看到 SageMaker 的训练和 HyperTuner 工作只接受准确度指标。
- SageMaker 中是否有办法为内置图像分类算法添加自定义指标?
- 据我了解,AUC/Confusion Matrix/Precision/Recall/F1 是二元分类器的良好指标,那么为什么 AWS 内置图像分类算法中缺少这些指标?
- 有没有一种方法可以批量转换我的测试数据并获取这些指标来评估模型,因为单独的准确性并不适合评估?
解决方案
SageMaker 内置算法不能接受自定义指标,它们仅适用于内置指标
混淆矩阵不是一个度量,它是一个可视化。另请注意,图像分类器不是二元分类器,它是可以有大量标签的通用分类器。关于其他指标,我不能代表 AWS 团队发言 :)
是的,使用批量转换或实时端点创建预测以用于您自己的自定义分析是一个好主意。例如,在这篇博文中,创建了一个临时端点来为内置线性分类器https://aws.amazon.com/blogs/machine-learning/build-multiclass-classifiers-with-生成预测和混淆矩阵。 amazon-sagemaker-linear-learner/
推荐阅读
- azure-devops - Azure DevOps 迁移 - 将项目移动到另一个组织
- r - (Alt +-) 在 RMarkdown 中输入 = 而不是 <-
- xslt - 简单的 XSLT 模板在某些情况下会失败
- javascript - Electron.js 应用程序中的 Google 登录不起作用
- php - 目前无法与主机服务器建立安全连接
- windows - 计算子文件夹中的文件数并写入文本文件
- openstack - openstack Horizon 显示错误:无效的服务目录:网络
- excel - 可以从 URL 中提取颜色
- c - C线程互相破坏
- python - 如何在一个轴上连接两个不同的线图,使它们看起来平滑?