代码之家 › 专栏 › 技术社区 › Harikrishna

sagemaker中的Logistic回归

amazon-sagemaker amazon-web-services

2

Harikrishna · 技术社区 · 8 年前

我正在使用aws sagemaker进行逻辑回归。为了在测试数据上验证模型,使用了以下代码

runtime= boto3.client('runtime.sagemaker')

payload = np2csv(test_X)
response = runtime.invoke_endpoint(EndpointName=linear_endpoint,
                                   ContentType='text/csv',
                                   Body=payload)
result = json.loads(response['Body'].read().decode())
test_pred = np.array([r['score'] for r in result['predictions']])

我想知道如何运行预测模型,根据两个特定特征预测结果。我在模型中有30个特征,并使用这些特征训练了模型。现在,对于我的预测,我想知道当feature1='x'和feature2='y'时的结果。但是,当我将数据过滤到这些列并在同一代码中传递时,我得到了以下错误。

Customer Error: The feature dimension of the input: 4 does not match the feature dimension of the model: 30. Please fix the input and try again.

什么是glm的等价物。在AWS Sagemaker实现中预测R中的('feature1','feature2')?

1 回复 | 直到 8 年前

1

5

philipgautier 8 年前

当您在数据上训练回归模型时,您正在学习从输入特征到响应变量的映射。然后,通过将新的输入特征提供给模型,使用该映射进行预测。

如果你只想知道这两个特征如何影响预测,那么你可以查看训练模型的权重(也称为“参数”或“系数”)。如果特征1的权重为x,则当特征1增加1.0时,预测响应增加x。

output sagemaker.estimator.Estimator 方法

import os
import mxnet as mx
import boto3

bucket = "<your_bucket>"
key = "<your_model_prefix>"
boto3.resource('s3').Bucket(bucket).download_file(key, 'model.tar.gz')

os.system('tar -zxvf model.tar.gz')

# Linear learner model is itself a zip file, containing a mxnet model and other metadata.
# First unzip the model.
os.system('unzip model_algo-1') 

# Load the mxnet module
mod = mx.module.Module.load("mx-mod", 0)

# model weights
weights = mod._arg_params['fc0_weight'].asnumpy().flatten()

# model bias
bias = mod._arg_params['fc0_bias'].asnumpy().flatten()

# weight for the first feature
weights[0]