RCF-Hyperparameter - Amazon SageMaker KI

Die vorliegende Übersetzung wurde maschinell erstellt. Im Falle eines Konflikts oder eines Widerspruchs zwischen dieser übersetzten Fassung und der englischen Fassung (einschließlich infolge von Verzögerungen bei der Übersetzung) ist die englische Fassung maßgeblich.

RCF-Hyperparameter

In der Anforderung CreateTrainingJob geben Sie den Trainingsalgorithmus an. Sie können außerdem algorithmusspezifische Hyperparameter als Zeichenfolge-zu-Zeichenfolge-Zuweisungen angeben. In der folgenden Tabelle sind die Hyperparameter für den RCF-Algorithmus von Amazon SageMaker AI aufgeführt. Weitere Informationen sowie Empfehlungen zur Auswahl der Hyperparameter finden Sie unter Funktionsweise von RCF.

Name des Parameters Beschreibung
feature_dim

Die Anzahl der Funktionen im Datensatz. (Wenn Sie den Estimator Random Cut Forest verwenden, wird dieser Wert für Sie berechnet und muss nicht angegeben werden.)

Erforderlich

Gültige Werte: Positive Ganzzahl (min: 1, max: 10000)
eval_metrics

Eine Liste der zur Bewertung eines gekennzeichneten Testdatensatzes verwendeten Metriken. Folgende Metriken können für das Ergebnis ausgewählt werden:

  • accuracy – gibt den Bruchteil richtiger Prognosen zurück.

  • precision_recall_fscore – gibt positive und negative Präzision, Rückruf und F1-Bewertungen zurück.

Optional

Gültige Werte: Liste mit möglichen Werten aus accuracy oder precision_recall_fscore.

Standardwert: accuracy und precision_recall_fscore werden beide berechnet.
num_samples_per_tree

Anzahl der zufälligen Stichproben für jede einzelne Struktur aus dem Trainingsdatensatz.

Optional

Gültige Werte: Positive Ganzzahl (min: 1, max: 2048)

Standardwert: 256
num_trees

Anzahl der Einzelstrukturen in der Gesamtstruktur.

Optional

Gültige Werte: Positive Ganzzahl (min: 50, max: 1000)

Standardwert: 100