自助机器学习平台——Amazon SageMaker Canvas测评

身边有很多写SQL很厉害的数据分析人员，数据治理好了、对数据仓库、业务需求都很熟悉，因为对机器学习算法、数据挖掘模型不是很熟悉，没法独立产出更高阶的分析结果。

哪怕厉害的分析师自己花费九牛二虎之力，做出了模型，还要对模型不断地调优，一趟操作下来，也累得够呛。

能否在没有算法工程师支持的情况下，做模型训练和特征识别，快速调整策略呢？

最近体验了 Amazon SageMaker Canvas 这样一款人人自助式机器学习工具，我找到了答案。

一、产品体验

1. 数据集选择和介绍

笔者使用了Kaggle的公开的银行数据集。

包含了14个特征：序号、客户ID、名字、信用分、地区、性别、年龄、保有期、余额、购买的产品数量、是否有信用卡、是否活跃用户、固定工资、是否正在从银行中取钱。

其中，需要构建的预测模型是：是否将会从银行中取出钱。

基于该数据集，笔者完整地体验了 Amazon SageMaker Canvas 数据集管理、建模、预测的流程。

2. 导入数据和预览

在导入了数据集之后，系统就给了一些特征提示。

也可以在此处对特征值进行初步的筛选，缺失值、类型不匹配、唯一值等，还可以初步判断特征和目标特征之间的线性相关关系、影响因子。

给出就给用户一些特征权重的提示，能够快速地调整选中的特征。

比如一些非关键特征：Surname、CustomerId，就被我去掉了。这样，也适当减少不必要的计算量，提高模型构建速度。

3. 快速构建和标准构建

系统提供了两种构建模式：标准模式、快速模式。

快速构建模型模式，模型构建速度更快，精确度则要低一些。标准模式则反之，模型构建耗时更多，精准度则要高一些。

4. 模型构建结果

模型的预测准确率。

模型训练完，在概览页可以看到预测的精准度为87.714%，也可以看到各个特征的影响值。

在得分页，可以看到具体的预测准确数和错误数。

点击高级指标，也看到不同结果，模型的准确度、精确度、召回值、AUC值。

5. 利用模型进行预测

模型构建完成后，可以利用模型进行预测对单个数据进行预测。

也可以对数据集进行预测，系统会给出可能性。

二、应用前景介绍

笔者所在的领域，是直播领域。用户运营、数据分析师们日常会对投放转化、用户活跃、用户留存、用户召回率这些核心指标日常关注。

哪些特征的用户的增加和流失，对平台的活跃、营收指标影响巨大。

场景1：广告投放

互联网内容领域，广告投放对保持日活、增加营收的影响非常巨大。

通过广告投放获取的这波新用户，是否具有消费潜力呢？要用什么样的内容做用户承接，通过什么关键路径能够实现留存和转化呢？

为了提高投放效果，算法部门会基于历史的用户数据训练用户留存、消费预测模型。

场景2：潜在流失用户挽留

具备什么样行为特征的是高潜流失用户呢？在什么时间节点对这些潜在流失用户进行召回、挽留，能够提高留存率，提高拉活率呢？

给出清晰的流失用户定义后，分析师和算法部门，可以构建一套直播用户流失预测模型。

基于模型，提取流失用户的特征，利用这些特征对用户进行挽留活动。

场景3：KA用户分析和运营

KA用户是直播行业里的重要运营和维护对象。

平台新来了一个用户，该用户能否成为成为平台营收的增长点呢？是否要在早期阶段进行服务的提升和关系维护呢？

在直播场景里，预测模型将能大大提升精细化运营的ROI。

三、感触比较深的点

1. 预览数据

高质量的数据是数据分析和挖掘的基础。

导入数据后，进行构建后，数据分析师能快速地了解数据的大体质量，不同特征的数据类型，有无缺失值，均值、众数等信息，大大减少了因为数据质量问题引发的后续的问题。

2. 构建后的简单特征关联度分析

通常情况下，特征的选取，是基于业务经验，系统也对这方面给出了快捷的特征影响分析，帮助分析师能筛除不必要的特征，加快模型构建速度。

模型构建结束后，系统也基于 KernelShap 给出排名前十的影响模型预测结果的特征。

数据分析的同学，可以将更多的精力放在对关键特征、关键用户进行AB实验。

因为本人不具备算法模型构建的技能，所以Studio的部分，未进行深入体验。

四、其他体验

1. 视觉层面的感受

视觉层面有两个特点：简洁，不花哨；扁平化，不枯燥。

对比一些厂商的工具，可能因为产品调性问题，不会特别在意这些细节。

2. 交互层面

交互层面，也是比较便捷。在提醒方面，也是做得很好的。

操作指引给出了比较图形化的解释，和介绍中的很多点，都是有对应关系的。

比如：清理和分析数据并获得有关估算模型精度的指标，识别训练数据集中最具影响力的字段。

在导入了数据集之后，系统就给了我一些提示。

在预构建时，就给用户一些特征权重的提示。

3. 功能层面

模型管理的流程是：导入数据集 → 数据集自动检测 → 预构建（prebuild）→ 构建 → 预测 → 导出/共享。

在上文提到的交互提示下，操作起来没有任何难度。

模型构建完成后，也能方便地看到构建的细节，也能更数据科学家和算法工程师沟通，将模型构建的过程、脚本等等，都能进行共享，业务分析师职责范围内的工作难度被大大降低。

五、总结和感受

我觉得 Amazon SageMaker Canvas 这款产品拥有黑科技、定位清晰，紧盯目标，有边界感。

将复杂繁琐的特征工程、模型构建的过程进行产品化，为分析师解决了 80% 的常见问题，大大提高了效率。

剩余的、难搞的、但是也同样重要的模型调优，也可以跟数据科学家和算法工程师们进行协同。

数据分析师们将能大大地提升自工作效率，将更多的精力放到业务的驱动上。

作者：数据产品小lee；公众号：乐说乐言

本文作者 @数据产品小lee

版权声明

本文来自互联网用户投稿，文章观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处。如若内容有涉嫌抄袭侵权/违法违规/事实不符，请点击 举报 进行投诉反馈！