问AWS SageMaker随机采伐林还是动态数据分析随机砍伐林？

EN

在核心方面，两者之间的数学方法几乎是相同的，但是在Kinesis和SageMaker中实现它们的方式有一些不同，这应该有助于您做出决定。

动态RandomCutForest：

• 流媒体版本的算法，这是很好的近实时更新的模型.
• 支持旧记录的时间衰减，输入数据的带状，如果您使用多维，异常属性可以帮助您理解每个维度的效果。
• 因此，如果您的日志存储在CloudWatch中，通过使用订阅过滤器(如果需要的话使用Lambda )，您可以将它们进行预处理，并将其发送到Kinesis，而无需付出很大的努力。

SageMaker RandomCutForest：

• 该算法的批处理版本，很适合大型数据集(通常存储在S3中)或不需要频繁更新模型的地方。
• 类似于Kinesis，支持通过推断端点对输入数据点进行近乎实时的评分，但是新的数据点不会改变底层模型。
• 支持超参数优化，它确定模型的最佳参数集(例如样本数、树数等)。
• 扩展用于培训和评分的实例非常简单，可用的SageMaker笔记本可以帮助您对数据进行预处理并为培训做好准备。
• 因此，如果您的数据集很大，并且不需要对模型进行动态更新，那么SageMaker解决方案应该是您的首选解决方案。

希望这能回答你的问题。