Sagemaker入门指南

时间:2019-05-07 14:00:04

标签: amazon-web-services amazon-sagemaker

我遵循了有关使用SageMaker的Amazon教程,并用它在教程(https://aws.amazon.com/getting-started/tutorials/build-train-deploy-machine-learning-model-sagemaker/)中创建模型。

这是我第一次使用SageMaker,所以我的问题可能很愚蠢。

您实际上如何查看它创建的模型?我希望能够看到a)使用参数等创建的最终公式。b)绘制因子的图形等,就好像我正在审查GLM一样。

谢谢。

1 个答案:

答案 0 :(得分:0)

如果您遵循SageMaker教程,则必须已经训练了XGBoost模型。 SageMaker将模型工件放置在您拥有的存储桶中,在AWS SageMaker控制台中检查输出S3的位置。

有关XGBoost的更多信息,您可以查看AWS SageMaker文档https://docs.aws.amazon.com/sagemaker/latest/dg/xgboost.html#xgboost-sample-notebooks和示例笔记本,例如https://github.com/awslabs/amazon-sagemaker-examples/blob/master/introduction_to_amazon_algorithms/xgboost_abalone/xgboost_abalone.ipynb

要使用SageMaker生成的XGBoost工件,请查看官方文档,其中包含以下代码:

# SageMaker XGBoost uses the Python pickle module to serialize/deserialize 
# the model, which can be used for saving/loading the model.
# To use a model trained with SageMaker XGBoost in open source XGBoost
# Use the following Python code:

import pickle as pkl 
model = pkl.load(open(model_file_path, 'rb'))
# prediction with test data
pred = model.predict(dtest)