亚马逊机器学习模型重建的可能性
Amazon Machine Learning models rebuilding possibilities
AWS 机器学习中只有 2 种内置 prediction/classification 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) 重新构建逻辑和线性回归模型
2) 构建您自己的用 Python/R 编写的模型，在 AWS ML 和 运行 神经网络、随机森林、聚类算法等东西上实施它们？
在 AWS ML 开发人员指南的最新版本中，我找不到关于这些问题的明确答案，这是不可能的。有什么建议吗？
先了解一下背景...
Amazon Machine Learning 可以为三种机器学习问题（binary/multiclass 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。您没有关于模型或模型训练方式的信息（超出范围，例如 linear regression, stochastic gradient descent）。亚马逊很清楚这是有意为之，因为他们希望将平台内置到应用程序中，而不仅仅是用于训练模型。请参阅 this Q&A 的 47:25 和 53:30 标记。
所以，回答你的问题：
- 您看不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）。可以找到完整的学习算法列表 here。
- 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 决策树或神经网络模型。
AWS 机器学习中只有 2 种内置 prediction/classification 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) 重新构建逻辑和线性回归模型
2) 构建您自己的用 Python/R 编写的模型，在 AWS ML 和 运行 神经网络、随机森林、聚类算法等东西上实施它们？
在 AWS ML 开发人员指南的最新版本中，我找不到关于这些问题的明确答案，这是不可能的。有什么建议吗？
先了解一下背景...
Amazon Machine Learning 可以为三种机器学习问题（binary/multiclass 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。您没有关于模型或模型训练方式的信息（超出范围，例如 linear regression, stochastic gradient descent）。亚马逊很清楚这是有意为之，因为他们希望将平台内置到应用程序中，而不仅仅是用于训练模型。请参阅 this Q&A 的 47:25 和 53:30 标记。
所以，回答你的问题：
- 您看不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）。可以找到完整的学习算法列表 here。
- 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 决策树或神经网络模型。