AWS机器学习中只有两种内置的预测/分类模型：逻辑回归和线性回归。当前版本的AWS ML是否有可能做到以下几点：

1) 重建逻辑回归和线性回归模型的底层实现

2) 用Python/R编写自己的模型，实现并在AWS ML上运行，如神经网络、随机森林、聚类算法等？

在AWS ML开发者指南的最新版本中，我没有找到明确的答案，表明这些是不可能实现的。有什么建议吗？

回答：

先了解一些背景…

Amazon Machine Learning可以为三种机器学习问题构建模型（二元/多类分类和回归）。如您之前提到的，平台选择并训练的模型对用户来说是抽象的。

这种“黑盒”实现可能是Amazon机器学习平台最大的缺陷。您无法了解模型是如何训练的（除了例如线性回归，随机梯度下降之外）。Amazon明确表示这是有意为之，因为他们希望平台能够被集成到应用程序中，而不仅仅是用来训练模型。请参见这个问答的47:25和53:30处。

那么，回答您的问题：

1. 您无法看到模型是如何被训练的，例如线性回归中的常数是什么（尽管您可以通过测试模型来推断）。当您查询模型时，响应中包含一个字段，指示用于该特定模型的算法（例如SGD）。完整的学习算法列表可以在这里找到。
2. 不幸的是，不行。您无法创建自己的模型并将其导入到AWS机器学习中，这意味着无法在平台上运行决策树或神经网络模型。