2

AWS 机器学习中只有 2 种内置的预测/分类模型。逻辑回归和线性回归。在当前版本的 AWS ML 中是否有可能以某种方式：

1) 重建逻辑和线性回归模型的底层

2) 构建您自己的用 Python/R 编写的模型，在 AWS ML 上实现它们并运行诸如神经网络、随机森林、聚类算法之类的东西？

在最新版本的 AWS ML 开发人员指南中，我找不到这些问题的明确答案，这是不可能的。有小费吗？

4

1 回答 1

2

先说一点背景...

Amazon Machine Learning 可以为三种机器学习问题（二元/多类分类和回归）构建模型。正如您之前提到的，平台选择和训练的模型是从用户那里抽象出来的。

这种“黑匣子”的实现可能是亚马逊机器学习平台最大的不足。您没有关于什么模型或模型是如何训练的信息（除此之外，例如linear regression, stochastic gradient descent）。亚马逊很清楚这是故意的，因为他们希望将平台构建到应用程序中，而不仅仅是用于训练模型。请参阅本问答的 47:25 和 53:30 标记。

所以，回答你的问题：

  1. 您无法看到确切的模型是如何训练的，例如线性回归中的常数（尽管您可以通过测试模型来推断）。当您查询模型时，响应包含一个字段，该字段指示用于该特定模型的算法（例如 SGD）。可以在此处找到学习算法的完整列表。
  2. 不幸的是没有。您无法创建自己的模型并将其导入 AWS Machine Learning，这意味着平台上无法运行任何决策树或神经网络模型。
于 2016-12-13T21:30:13.847 回答