AWS Machine Learning 中只有 2 种内置预测/分类模型。逻辑回归和线性回归。在当前版本的 AWS ML 中是否有可能以某种方式:
1) 重新构建逻辑回归模型和线性回归模型
2) 构建您自己的用 Python/R 编写的模型,在 AWS ML 上实现它们并运行诸如神经网络、随机森林、集群算法之类的东西?
在 AWS ML 开发人员指南最新版本中,我找不到这些问题的明确答案,这是不可能的。有什么建议吗?
最佳答案
首先介绍一下背景...
Amazon Machine Learning 可以为三种机器学习问题(二元/多类分类和回归)构建模型。正如您之前提到的,平台选择和训练的模型是从用户那里抽象出来的。
这种“黑匣子”实现也许是亚马逊机器学习平台的最大缺陷。您不知道什么模型或如何训练模型(除了例如线性回归、随机梯度下降)。亚马逊非常清楚,这是有意为之,因为他们希望将该平台内置到应用程序中,而不仅仅是用于训练模型。参见 this Q&A 的 47:25 和 53:30 标记.
那么,回答您的问题:
- 您无法确切地看到模型是如何训练的,例如线性回归中有哪些常数(尽管您可以通过测试模型来推断)。当您查询模型时,响应包含一个字段,该字段指示用于该特定模型的算法(例如 SGD)。学习算法的完整列表可以找到 here .
- 不幸的是没有。您无法创建自己的模型并将其导入 AWS Machine Learning,这意味着任何决策树或神经网络模型都无法在该平台上运行。
关于amazon-web-services - 亚马逊机器学习模型重建的可能性,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/41112137/