Amazon SageMaker Autopilot bietet jetzt Optionen für die benutzerdefinierte Aufteilung von Daten sowie eine verbesserte Erfahrung bei der Erstellung eines AutoML-Experiments

SageMaker Autopilot erstellt, trainiert und optimiert automatisch die besten Modelle für Machine Learning basierend auf Ihren Daten und ermöglicht Ihnen gleichzeitig die vollständige Kontrolle und Sichtbarkeit. Ab heute können Sie bei der Erstellung von Autopilot-Experimenten zum Trainieren eines Modells für Machine Learning die Aufteilung der für das Training und die Validierung der Modelle verwendeten Daten anpassen. Standardmäßig teilt Autopilot den angegebenen Datensatz in eine Aufteilung von 80-20 Prozent auf, die jeweils für Training und Validierung reserviert sind. Mit dieser Version können Sie die prozentuale Aufteilung der Trainings- und Validierungsdaten anpassen oder alternativ zwei Datensätze bereitstellen, einen für das Training und einen für die Validierung. Diese Funktion ist sowohl in Amazon SageMaker Studio als auch in der SageMaker Autopilot API verfügbar.
Quelle: aws.amazon.com