我从AWS（SageMaker）线性学习者得到的结果有问题 .
也就是说，我试图复制我从R，SAS或Knime获得的结果（使用线性回归）但不幸的是，我从线性学习者获得的结果与提到的其他3种计算方法不同 .
我尝试了不同的超参数和配置，但即使在满足关系的综合生成数据的非常简单的情况下，我也得到了不精确的回归结果
Y = X1 2 * X2 3
在这种情况下，确切的回归系数等于1,2和截距3.与提到的其他软件不同，SageMaker线性学习者返回的值甚至不接近正确的值E.g.在一个例子中，我得到[0.91547656 1.9826275 3.023757]，这简直不令人满意 . 你可以在这里看到我的代码的相关部分！
study=((1.0,3.0,10.0),(2.0,3.0,11.0),(3.0,2.0,10.0),(4.0,7.0,21.0),(5.0,4.0,16.0))
a = np.array(study).astype('float32')
other_columns=a[:,[0,1]]
labels = a[:,2]
buf = io.BytesIO()
smac.write_numpy_to_dense_tensor(buf, other_columns, labels)
buf.seek(0)
key = 'my-training-data'
boto3.resource('s3').Bucket(bucket).Object(os.path.join(prefix, 'train', key)).upload_fileobj(buf)
s3_train_data = 's3://{}/{}/train/{}'.format(bucket, prefix, key)
output_location = 's3://{}/{}/output'.format(bucket, prefix)
container = get_image_uri(boto3.Session().region_name, 'linear-learner')
import boto3
sess = sagemaker.Session()
linear = sagemaker.estimator.Estimator(container,
role,
train_instance_count=1,
train_instance_type='ml.c4.xlarge',
output_path=output_location,
sagemaker_session=sess)
linear.set_hyperparameters(feature_dim=2,
predictor_type='regressor',
loss='squared_loss',
epochs=50,
early_stopping_patience=100,
mini_batch_size=4)
linear.fit({'train': s3_train_data})
你对观察到的不完全结果有一些解释吗？
谢谢Nikolas