Amazon SageMaker测评_sagemaker如何上传数据

---

（声明：本篇文章授权活动官方亚马逊云科技文章转发、改写权，包括不限于在
亚马逊云科技开发者社区、知乎、自媒体平台、第三方开发者媒体等亚马逊云科技官方渠道）

1 前言

在2023亚马逊云科技 re:Invent上，发布了 Amazon SageMaker 的五项新功能，旨在加速构建、训练和部署大型语言模型和其他基础模型，以帮助用户更快地进行模型开发和应用部署，提供更强大的工具和资源。对于该产品的新功能，我进行了实际体验，在下文会详细讲述体验内容及感受。

打开亚马逊云科技的网站，搜索一下Amazon SageMaker就能直接进入这个功能的主页面了。作为第一次使用这个功能的新手，参考的文档是官方给出的教程，如下图1-1所示，我选择的是无代码：ML，即在不编写代码的情况下生成机器学习预测。教程很详细，给出了每一步的步骤并截屏，但是有一些功能截图与操作与实际界面不太符合，后续会详细说明，接下来我就从构建域开始体验这个功能并给出我的一些感受。

2 功能体验

2.1 构建域

构建域这边忘记截屏了，但是在进入主界面后右边有个非常醒目的“配置个人域”可以选择，并且其按钮是黄色的，视觉上一眼就能看到，入门也比较简单，在点击这个按钮后就会自动构建SageMaker域（如图2-1），大约等了十分钟左右就构建完成可以进行导入数据等下一步操作。

2.2 上传数据集

构建完成后搜索SageMaker Canvas进入主页面后，点击图3-1位置处的按钮"Launch SageMaker Canvas"就能自动构建SageMaker Canvas。

如图3-2，就是正在构建中，大约等15分钟左右就能进入主页面了（图3-3）。

按照教程，接下来就是上传数据后构建、训练与分析 ML 模型，这里我就选择下载官方教程中的两个数据product_descriptions和shipping_logs后搜索进入S3控制台后进入SageMaker Canvas创建的默认桶，并上传刚刚下载的数据（图3-4）。

图3-5和图3-6分别代表是上传中和上传成功的截图，这样数据集就可以在后续操作中被访问到。上传数据响应速度也很快，即使数据量比较大也没有等待很久才能上传成功。

2.3 设置 SageMaker Canvas

接下来就是和官方操作手册有一些些不同之处了。当重新打开canvas准备设置 SageMaker Canvas时，在操作手册中是这么写的：“在 SageMaker Canvas 界面上，选择左侧窗格中的 Datasets（数据集），然后选择 + Import（+ 导入）”但是在打开页面后，左侧窗格并没有找到Datasets，所以我选择了Data Wrangler（如图4-1）并选择其中的Datasets页面，准备将数据导入，但是在我的页面上没有"Import"按钮，只有"Create"按钮（如图4-2）点击按钮后，由于我下载的数据是.csv格式的，所以我选择新建Tabular，因为在Tabular下方有提示CSV。

然后按照操作手册，在Data Source中选择Amazon S3（图4-3），再选择前面包含上传数据的文件夹（图4-4）找到数据后即可上传，其操作简单，提示也很清晰，根据操作手册可以很轻松的完成这个步骤。

按照操作步骤应该是选择这两个下载好的数据集一起导入，但是提示列数不相同，无法导入（图4-5），不知道是不是升级了一下功能所以有些限制，所以我就回到了Data Wrangler页面，直接选择了官方给出的数据集进行合并。

按照教程，在合并页面首先选择canvas-sample-shipping-logs.csv这个数据，并拖拽到右边的操作台上，点击这个文件，可以看到如图所示，每一列都进行了可视化操作，对每列的数据进行统计，并画出了分布图，将鼠标移动到每列蓝色的数据条上还能展现其具体数值（图4-6至图4-9），感官上来说可以更直观的对一个大批量的数据有个了解，在其它产品中暂时还没有类似的功能，感觉很新颖也很有价值。

然后选择内连接，ProctedId作为合并列，但是依然没有成功，错误信息如下图4-9所示。

于是我选择将product_descriptions.csv导入数据集product_descriptions，将shipping_logs.csv导入数据集shipping_logs，再将这两个数据集进行合并，依然报错，报错信息（图4-10）。

由于报错提示是无法预览合并的数据，于是我直接忽略这个报错，点击左下角的Import data，然后保存为ConsolidatedShippingData（由于之前试验过了两次，所以这里自动帮我后面加了（2）区分）（图4-11）。

2.4 构建、训练与分析 ML 模型

接下来就是构建、训练与分析 ML 模型了，同样，与操作手册不同的是，在左侧页面中没有找到"Models"窗格，但由于要新增一个模型，所以我选择左侧窗格中的"My models"后点击新建模型按钮（图5-1）。
1

选择新建模型后跳出的界面是可以选择模型类型，不同的问题需要用不同的模型去解决分析，这里可以看到有四种类型的问题：预测分析、图片分析、文本分析 以及 微调基础模型。（图5-2）这是我觉得这个功能最大的亮点，在后续的评价章节中会详细讲述原因。这里选择第一个：预测分析，然后点击创建。

第一步
设置输入数据（Select），选择刚刚合并的数据集（图5-3）后选择 Select dataset进入下一步骤：Build。

第二步
构建模型（Build）中，可以选择目标列，也就是选择我们需要预测的数据，这里选择ActualShippingDays字段，即预测货物到达目的地所用的时间（图5-4）。由于SageMaker Canvas 会自动尝试推理问题类型（图5-5），所以他会在检测到时间后将该问题推理为时间序列预测类型问题，但客户想知道的是所需时间，是一个具体的数字，因此在点击Configue model后可以在"Model type"中选择我们需要的类型，如果不知道具体选择哪个类型，在"Model type"中也有相对应的提示，举例说明该类型要解决的具体问题是什么，以供我们更加准确的选择模型，对新手来说很方便也很友好。

同时我们可以去掉一些不相关的字段，然后就可以选择构建模型了，这里有两种可选：Quick Build（快速构建）和Standard Build（标准构建）以满足不同的需求（图5-6）。如果想大致预测一下的话就可以选择快速构建，15分钟内就可以构建出一个模型，如果想要精准预测就可以选择标准构建，提供更加准确的模型。这个分类可以满足不同的需求，也是这个功能中的一个特别之处。

等待大约7-8分钟就有结果，其中有三个页面：预览Overview（图5-7、图5-8），得分Score（图5-9），高级指标（图5-10、图5-11）。在预览页面，SageMaker Canvas 会显示列影响或每个输入列在预测目标列中的预计重要性，即左侧的字段及其百分比。

在得分页面，可以看到代表 ActualshippingDays 最佳拟合回归直线的图形（图5-9）。

在高级指标页面上显示不同的指标，有 R2、平均绝对误差（MAE）、平均绝对百分比误差（MAPE），以及均方根误差（RMSE）（图5-10），还可以看到误差密度图（图5-11）。

2.5 生成预测模型

然后点击Predict生成预测模型，与操作手册不同的是，这里可以选择Automatic（图6-1）后选择前面合并的数据集（图6-2）可以进行自动预测，或者选择Manual再导入数据集，也可以生成预测结果（图6-3）。

3 评价及建议

在使Amazon SageMaker从零开始，预测数据的过程中，让我感觉非常的简便，即使是第一次接触，跟着操作手册一步一步也能完成预测，同时对于没有机器学习背景的用户来说非常友好，因为在很多操作按钮以及选项下都有提示字样，让用户在使用的适合不会非常茫然，同时操作界面非常清晰，页面转跳也很快。

在功能方面，上文提到在选择创建模型的类型时，有一个选项是微调基础模型，我觉得这是这个产品最大的亮点，因为大模型训练使用的都是其它数据进行预测，如果我作为一个企业的负责人，企业内有很好的数据能够进行训练，那么微调基础模型可以提升其预测的准确度，更符合我们的期望值。

另一个产品的亮点是其在构建模型时，会给出一栏：Correlation to target，能够通过这个数值来判断这个字段对该模型的影响程度，以它给出的解释，如果该值为负数，那么这个字段就是对模型有消极影响，也可以理解为对预测模型没有什么帮助的字段，那么我们就可以通过这个字段的值去取消勾选一些字段，降低预测时间，提高效率（图7-1）。

在使用过程中，也发现了一些小瑕疵：比如功能栏的宽度是固定的，有时页面上的图片无法完整显示只能通过缩放页面来使其完整展示，另一处就是如果该产品支持自定义底色就更好了，这样浏览器页面是暗黑系的适合，界面会变得更加清晰。

总体来说是一个非常高效，对新手非常友好的产品，即使不写代码也能通过可视化界面进行机器学习预测。