超参数的调整及寻优

在本课中，我们将了解如何使用SageMaker的功能为模型调参。特别是，我们将探索如何使用SageMaker执行超参数的自动寻优。

在许多机器学习模型中，有一些参数需要由模型创建者指定，而不能直接从数据本身确定，如 随机森林模型的树的数量，神经网络的隐藏层的层数。通常，找到最佳参数的方法是训练一组具有不同参数的模型，然后选择效果最好的模型。

SageMaker提供了一种自动执行此操作的方法。实际上，SageMaker也使用贝叶斯优化以智能方式实现了这一点。我们要做的只是为超参数指定范围。然后，SageMaker将探索这些范围内的不同选择，随着不同的测试，来选择合适的参数提高我们模型的性能。

除了自动学习如何使用超参数调整之外，我们还将介绍亚马逊的CloudWatch服务。出于我们的目的，CloudWatch提供了一个用户界面，通过该界面我们可以检查培训期间生成的各种日志。这在诊断错误时尤其有用。