亚马逊机器学习模型重建可能性

Question

在AWS机器学习中，只有两种内建的预测/分类模型.Logistic回归和线性回归。在AWS ML的当前版本中，是否有可能：

( 1)重新建立logistic模型和线性回归模型下的模型。

2)构建用Python/R编写的自己的模型，在AWS ML上实现它们，并运行诸如神经网络、随机森林、集群alghoritms等？

在AWS开发者指南的最新版本中，我找不到那些问题的答案，这是不可能的。有小费吗？

Answer 1

先了解一下背景..。

可以为三种机器学习问题(二进制/多类分类和回归)建立模型。正如您前面提到的，平台选择和培训的模型是从用户中抽象出来的。

这种“黑匣子”的实现可能是亚马逊机器学习平台最大的缺陷。您没有关于该模型的信息，也不知道该模型是如何培训的(超出，用于前)。linear regression, stochastic gradient descent)。Amazon非常清楚，这是有意的，因为他们希望将平台构建到应用程序中，而不只是用来为一个应用程序训练模型。看47:25和53:30标记的这个问答。

所以，回答你的问题：

1. 您无法看到模型是如何训练的，例如，线性回归中的常量(虽然您可以通过测试模型来推断)。当您查询模型时，响应包括一个字段，该字段指示用于该特定模型的算法(用于ex )。( SGD)。学习算法的完整列表可以找到这里。
2. 不幸的是没有。您不能创建自己的模型并将它们导入AWS机器学习，这意味着没有决策树或神经网络模型可以在该平台上运行。