Question

我们拥有大量CSV格式的数据，其中包含一些数字元素，如下所示：

Year,BinaryDigit,NumberToPredict,JustANumber, ...other stuff
1954,1,762,16, ...other stuff
1965,0,142,16, ...other stuff
1977,1,172,16, ...other stuff

这里的事情是，第三列和之前的列之间存在很强的相关性。因此，我已经对数据进行了预处理，现在可以以我认为是完美的格式使用它：

1954,1,762
1965,0,142
1977,1,172

我想要的是对第三列中的值的谓词，并使用前两个作为输入。因此，在上述情况下，我希望输入1965,0返回142。在现实生活中，此文件有数千行，但是由于有某种模式，我想检索尽可能多的值。

到目前为止，我已经使用L inear Learner 算法在CSV文件上设置了火车作业，并具有以下设置：

label_size = 1
feature_dim = 2
predictor_type = regression

我还从中创建了一个模型，并设置了一个端点。调用它时，我会得到一个分数。

    response = runtime.invoke_endpoint(EndpointName=ENDPOINT_NAME,
                                   ContentType='text/csv',
                                   Body=payload)

我的目标是获取第三列预测。我该如何实现？我已经阅读了很多与此有关的文档，但是由于我对AWS不太熟悉，因此我可能会为尝试使用的算法使用错误的算法。

（请随时编辑此问题以更适合AWS术语）

Answer 1

对于csv输入，标签应位于第一列，如here所述：因此，您应预处理数据以将标签（要预测的列）放在左侧。

接下来，您需要确定这是回归问题还是分类问题。

如果您想预测一个尽可能接近真实数字的数字，那就是回归。例如，真值可能为4，而模型可能预测为4.15。如果需要整数预测，则可以对模型的输出进行四舍五入。

如果您希望预测成为少数几个类别之一，则存在分类问题。例如，我们可以对'North America'= 0，'Europe'= 1，'Africa'= 2等进行编码。在这种情况下，分数预测是没有意义的。

要进行回归分析，请使用'predictor_type' = 'regressor'，对于超过2个类的分类，请按照here的说明使用'predictor_type' = 'multiclass_classifier'。

回归的输出将仅包含'score'字段，这是模型的预测。多类分类的输出将包含'predicted_label'字段（该字段是模型的预测）以及'score'字段（该字段是表示模型的置信度的概率的向量）。概率最高的索引将被预测为'predicted_label'。输出格式记录在here中。

Answer 2

predictor_type = regression无法返回预测的标签，

the linear-learner documentation：

出于推理，线性学习器算法支持application / json，application / x-recordio-protobuf和text / csv格式。对于二元分类模型，它同时返回得分和预测标签。对于回归，它仅返回分数。

有关输入和输出文件格式的更多信息，请参阅Linear Learner Response Formats进行推断，以及Linear Learner Sample Notebooks。

我可以让Amazon SageMaker根据历史数据而不是概率分数来提供建议吗？

2 个答案: