基于亚马逊云科技新功能：Amazon SageMaker Canvas无代码机器学习—以构建货物的交付状态检测模型实战为例深度剖析以突显其特性

🚀一.?Amazon?SageMaker?

????????Amazon?SageMaker是亚马逊云科技提供的一项机器学习（ML）服务。它旨在帮助开发人员和数据科学家轻松构建、训练和部署机器学习模型。SageMaker提供了一个端到端的机器学习平台，涵盖了从数据准备和模型训练到模型部署和推理的整个机器学习工作流程。

Amazon?SageMaker?官网：Amazon?SageMaker?机器学习_机器学习模型构建训练部署-亚马逊云科技云服务

🔎1.1?新功能发布：Amazon?SageMaker?Canvas?

????????Amazon?SageMaker?Canvas?是?Amazon?SageMaker?的一项全新功能，让业务分析师能够使用可视化点击式界面创建准确的机器学习?(ML)?模型并生成预测。

????????Amazon?SageMaker?Canvas?提供直观的用户界面以快速连接与访问来自不同来源的数据，并准备数据以构建机器学习?(ML)?模型。

????????SageMaker?Canvas?利用由?Amazon?SageMaker?提供的功能强大的?AutoML?技术，该技术会根据数据集自动训练与构建模型。这使?SageMaker?Canvas?能够根据数据集识别最佳模型，因此可以生成单个或批量预测。SageMaker?Canvas?与?SageMaker?Studio?集成，让业务分析师能够轻松地与数据科学家分享模型。?SageMaker?Canvas?帮助企业内部的分析师（不管他们的技术技能如何）从不同的数据集创建准确的机器学习模型，并更高效地和数据科学家开展合作。

Amazon?SageMaker?Canvas?体验官网：Amazon?SageMaker?Canvas

🔎1.2?Amazon?SageMaker?Canvas特点

?????????Amazon?SageMaker?Canvas?的无代码界面，可以访问现成的?FM?和预测模型或创建自定义模型，只需几分钟即可提取信息并生成?AI?输出。Canvas?支持?Amazon?Bedrock?中的?FM（包括?Claude、Titan?和?Jurassic）以及?SageMaker?JumpStart?中的公共模型（例如?Falcon?和?MPT）。在?SageMaker?Canvas?中使用这些?FM?可以生成、提取和总结内容。

????????还可以使用现成的模型对内容进行分析和分类，以进行情绪分析、对象检测或文档分析。?要开始使用现成的模型，只需选择模型、上传数据，然后单击即可生成模型输出。

????????此外还可以构建自己的自定义模型来进行分类、回归、预测、文本分类或图像分类，无需编码。要开始使用自定义模型，可以导入来自不同来源的数据，选择要预测的值，自动准备和浏览数据，以及通过单击几下来创建?ML?模型。

Amazon?SageMaker?Canvas特点如下：

• 使用可视化点击界面为分类、回归、预测、自然语言处理（NLP）和计算机视觉（CV）生成准确的?ML?预测。
• 访问现成的基础或预测模型，或自动创建自定义?ML?模型，只需单击几下即可生成输出。
• 通过跨工具共享、审查和更新?ML?模型，促进业务分析师和数据科学团队之间的协作。
• 从任何地方导入?ML?模型并直接在?Amazon?SageMaker?Canvas?中生成预测。

🦋2.3?导入数据集

1.完成上文的准备步骤后，点击左侧导航面板中的Data?Wrangler，效果页面如下：

????????我们可以看到Data?Wrangler的页面，在创建虚拟环境时，可能会根据账号权限的不同会有一些自有的数据文件，我们现在开始就可以创建数据集了。

2.选择“Create”下拉列表，然后选择“Tabular”。

3.创建表格数据集，起名为on-time-delivery，名字可随意起，因为我们本次测评项目提供的on-time-delivery-data?数据集是一个真实的交付样本。

数据集分析，当我拿到案例给的数据集后，我对其进行了仔细的分析：

on-time-delivery-data.csv?这个数据集包含两列：zipcode和classification_ontime。每一行表示一个邮政编码（zipcode）和对应的按时交付分类（classification_ontime）。

????????根据给出的样本，"Delayed"分类和"On?time"分类都有出现，说明数据集中包含了按时和延迟交付的样本。

????????我在初步查看数据得出初步情况：可以进一步分析延迟交付的趋势，可能与地理位置、季节性变化或其他因素相关。（后面就会由Amazon?SageMaker?Canvas模型训练来得出结果。）

4.选择数据来源为：Amazon?S3。

????????Amazon?S3是亚马逊提供的一个存储服务，允许用户在云端存储数字资产，包括图片、视频、音乐和文档等。这个服务是公开的，Web应用程序开发人员可以使用它来存储和获取数据，以支持他们的应用程序。

S3提供了一个RESTful?API，用户可以通过编程方式实现与该服务的交互。

5.选择要导入的文件，如下图（保证是数据来源为：Amazon?S3）

一般是：canvas-lab-data-us-east-1-用户名

6.选择on-time-delivery-data?数据集（创建环境时会自动的加载数据集，如果没有数据来源可以选择自行上传）

我们可以看到上传都是十分方便的，对用户十分的友好，方便快捷！

可以在实验页面自行下载on-time-delivery-data和On-time-delivery-data_extended 数据集。然后在上面第4步选择上传本地文件。

7.第一次点击创建数据集时会自动跳出预览，数据集的前100行，我们检查一下没有问题后继续点击创建数据集。

成功创建的话，我们在Data?Wrangler页面可以看到我们刚刚创建的。

8.按照上面的步骤（1~7），如法炮制创建On-time-delivery-data_extended ，关键步骤截图如下。

创建完成页面如下：（必须是俩个都成功创建）

本节心得：

????????在使用Data?Wrangler导入数据集的过程中，首先要完成一系列准备步骤，然后通过左侧导航面板中的Data?Wrangler进入相应的效果页面。整个导入数据集的过程需要重复执行，创建了两个数据集：on-time-delivery?和?On-time-delivery-data_extended。在整个过程中，截图的使用有助于记录关键步骤，以便用户可以参考和复制操作。

????????必须夸赞其直观友好的界面设计，用户能够轻松地完成数据集的创建工作。从选择数据类型到指定数据来源，一切操作都得心应手，使得即便是初学者也能够迅速上手！

????????还有一个优点不得不说：Data?Wrangler提供的预览功能，能够在创建数据集之前，通过显示前100行数据，帮助用户检查数据的准确性，确保导入的数据是符合期望的。这对于数据分析和模型训练的准确性有着积极的影响。

🦋2.3?模型创建

????????我们的任务是在Canvas中构建一个机器学习模型，该模型能够根据历史数据预测交付是否准时或延迟。我们的目标是建立一个模型，其准确率能够超过80%，从而有效地预测货物的交付状态。

1.在完成2.2的导入数据集步骤后，就可以创建模型了。首先选择上面步骤创建的On-time-delivery，点击上面的创建模型，如下图：

2.创建模型有俩个重要的参数，应该是模型名字，我这里起名为On-time-delivery-data_nanwang（数据集名称+我的博客名：一见已难忘）。问题类型选择：预测分析。

预测分析是：使用表格数据集构建模型，预测单个或多个类别以及回归和时间序列预测问题。

????????在使用历史数据来构建模型，以便对未来事件或趋势进行预测。这可以涉及预测单个或多个类别，执行回归分析（用于预测数值），以及处理时间序列数据。

3.创建完成后来到Version1页面，点击Build，在target?column里选择classification_ontime（此数据集中的目标有?2?个唯一值：准时值和延迟值，我们选择classification_ontime）

关于模型类型：Canvas?会自动检测此目标是否为?2?类预测模型类型，这块会自动配置不用我们调试。

4.当选择完classification_ontime?点击预览模式等待其加载完毕（2min左右），我们可以看到预览模型的精度目前是66.889%，其原没有达到我们精度最低80%的要求

对于这个实验结果，我说一下我的个人猜测，当然真实情况还需后面的步骤进行完善。

????????我们一般在完成深度学习的相关任务时，是需要重新审视特征集，需要进行更多的特征工程。包括添加新的特征、删除不相关的特征或者对特征进行更复杂的变换等等来优化模型结果。

5.点击Quick?build?，使用快速构建功能，构建模型并做出快速预测，如下图，我的构建过程持续了10min左右。

????????个人评价：对于模型构建时间10多分钟的表现还是相当优秀的，我们习惯了普通的一个模型训练构建时间久长达几小时的。这个模型的构建速度是非常的快了，而且是在无代码的背景下。

6.模型预测结果如下，精度为70.714%，没有达到我们要求的80%以上。

看下面结果可知该模型预测正确的Classification_ontime的概率为70.714%。

模型精度得分：

????????可以看到目前精度太低，模型的性能通常受训练数据的质量影响，确保训练数据集的标签准确，样本代表性，并且涵盖了各种可能的情况。需要进一步处理数据、分析特征，以提高模型的泛化能力。进行模型改进和优化，直到满足80%以上的准确性要求。

下一步优化想法：

????????对模型错误的样本进行详细分析，了解为什么模型会犯错。查看特定特征的模式，识别模型在哪些情况下容易出现偏差。

本节心得：

任务目标是在Canvas中构建一个机器学习模型，其预测准确率要超过80%。

????????我使用了预览模式和快速构建功能，展示了模型的预测结果。但是模型的准确率未能达到80%的要求，仅为70.714%。对于这一点，我提出了个人猜测，在深度学习任务中需要审视特征集和进行更多特征工程的必要性，下文我会继续实验，来改善准确率。

在无代码的背景下，整个模型构建过程仅持续了10分钟左右，这是相当优秀的表现！还有必须强调的一点就是Canvas在无代码环境下模型训练的高效性，非常的nice！

🦋2.5?模型预测

1.我们在上文的模型分析页面点击Predict（模型预测）。

????????模型预测得分可视化效果图如下：可以直观的看到Amazon?SageMaker?Canvas给我们提供优秀的可视化效果，在这个页面可以直观的看到模型训练结果。

2.在预测页面中，选择单一预测，如下图：

说明解释：

????????用户可以通过模型对特定样本或输入进行个别预测，而不仅仅是上面的对整个数据集的预测。这对于了解模型对于特定情况的表现是很有用处的。

3.将total_items的数值改为525，temperature的数值改为?-5.83?。

将temperature_at_1500m的数值改为-7，min_temperature的数值改为-6.5，??max_temperature的数值改为-2.

将tlew_point?temperature的数值改为-8

个人见解：

将total_items的数值从原先的值改为525，为了在模型中使用一个更适当的货物总数。

温度相关的参数调整是为了更好地匹配实际气象数据。这是基于对环境温度影响的分析，以提高模型的准确性的。

露点温度是相对湿度饱和时空气冷却至饱和状态所需的温度。将dew_point_temperature的数值改为-8是为了更好地反映湿度对系统的影响。

这样做的目标是优化模型的性能，使其能够更准确地拟合实际数据。

4.点击更新，等待5min左右

5.可以看到分类实时预测的预测值已改为延迟，百分百非常高。可以看到特征重要性也发生了变化，压力，温度对预测的影响最大。

到这里就成功构建了一个模型，来预测货物的交付状态，精确率也达到了80%以上。

本节心得和总结：

1. Amazon?SageMaker?Canvas在模型预测中可以提供的优秀的可视化效果。通过图表和视觉化工具，我们可以直观地了解模型训练的结果。这有助于我们更好地理解模型的性能和预测结果。
2. 通过更新参数并观察实时预测结果，调整后的模型在预测值的准确性上取得了显著提升，可以看到特征的重要性。可以学习到模型的可调性和灵活性，是能够更好地适应不同的应用场景的。
3. 成功在Canvas中构建一个机器学习模型，该模型能够根据历史数据预测交付是否准时或延迟。其准确率超过了80%，从而有效地预测货物的交付状态，完成任务目标。