03. 超参数寻优具体案例 —— 波士顿房价




接下来，我们将了解如何使用SageMaker中的高级方法设置超参数调整模型。具体的案例在Tutorials目录中，打开Boston Housing  -  XGBoost（Hyperparameter Tuning） -  High Level.ipynb。

  • 设置一个基本 basic 参数

  • 设置超参数及最优模型标准（参数可以选择不同的间隔）

  • 训练模型，并获取最佳模型

综上，考虑SageMake超参数调整的方法是我们从超参数的基本集合设置开始，然后我们给出一些超参数范围。这些范围指导SageMaker来测试各种超参数组合，目标是改进模型表现。

然后，我们将定义模型比较的指标（metrics），在我们的instance中，主要是通过 rmse。然后我们定义了我们希望SageMaker训练的总模型数量。

注意：除了在此Notebook中创建调整模型之外，我们还了解了如何使用attach方法创建附加到已完成的培训作业的Estimator对象。此方法在其他情况下也很有用。

您会注意到，在整个模块中，我们多次训练相同的模型。例如，在大多数Boston Housing中，我们使用相同的超参数训练XGBoost模型。这样做的原因是每个笔记本都是独立的。

但是，如果您已经在Boston Housing培训集上使用标准超参数创建了XGBoost模型，那么你就可以使用attach方法来避免重新训练模型。

Next Concept