Ten przewodnik wyjaśni walidację krzyżową i jej działanie przy użyciu usługi AWS.
Co to jest walidacja krzyżowa?
Cross-Validation pozwala programistom porównywać różne modele uczenia maszynowego i poznawać ich pracę w prawdziwym życiu. Pomaga użytkownikowi dowiedzieć się, który model uczenia maszynowego (ML) lub głębokiego uczenia się (DL) będzie działał lepiej dla określonych danych lub scenariusza. Istnieją sytuacje, w których można użyć wielu modeli dla jednego zestawu danych, tutaj programiści używają walidacji krzyżowej, aby uzyskać dopasowany model w celu uzyskania zoptymalizowanych wyników:
Jak działa walidacja krzyżowa?
Aby sprawdzić modele ML na zbiorze danych, użytkownik musi oszacować cechy modelu, co nazywa się szkoleniem algorytmu. Kolejną rzeczą do sprawdzenia jest ocena modelu, aby dowiedzieć się, jak dobrze się spisał i nazywa się to testowaniem modelu. Testowanie modelu na wszystkich danych nie jest dobrym pomysłem, jednak używamy 75% danych do trenowania i 25% do testowania, aby uzyskać lepsze wyniki. Walidacja krzyżowa przeprowadza testy na każdych 25% danych, aby sprawdzić, który blok działa najlepiej:
Co to jest Amazon SageMaker?
Walidację krzyżową w AWS można przeprowadzić za pomocą usługi Amazon SageMaker, ponieważ jest ona przeznaczona do budowania, trenowania i wdrażania modeli uczenia maszynowego. Pomaga analitykom danych i programistom przygotowywać dane do budowania wydajnych modeli ML lub DL, łącząc specjalnie zaprojektowane możliwości. Możliwości te są przydatne do tworzenia zoptymalizowanych i dokładnych modeli, które będą mogły być ulepszane w miarę upływu czasu:
Funkcje Amazon SageMaker
Amazon SageMaker jest usługą zarządzaną i nie wymaga zarządzania środowiskami ML. Potrzebuje dużo danych do trenowania i budowania modeli ML, więc dobrze łączy się z usługami Amazon S3 lub Amazon Redshift w celu gromadzenia danych. Surowe dane mogą być trudne do uzyskania informacji, więc wymagają również funkcji do budowania modeli. Następnie użyj danych do trenowania modeli, a następnie przeprowadź na nich testy, używając co 25% danych, aby uzyskać lepsze wyniki/prognozy:
To wszystko o walidacji krzyżowej w AWS.
Wniosek
Walidacja krzyżowa to proces uzyskiwania optymalnego modelu uczenia maszynowego lub głębokiego uczenia danych w celu uzyskania lepszych wyników. Przeprowadzi testy dla każdej 25% sekcji danych, aby zrozumieć, który blok zapewnia maksymalną wydajność, co czyni go odpowiednim modelem dopasowania. AWS zapewnia usługę SageMaker do przeprowadzania walidacji krzyżowej i budowania modeli uczenia maszynowego w chmurze. W tym przewodniku wyjaśniono proces sprawdzania poprawności krzyżowej i jego działanie w AWS.