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. # XGBoost Hyperparameter Die folgende Tabelle enthält die Teilmenge der Hyperparameter, die für den Amazon SageMaker XGBoost AI-Algorithmus erforderlich sind oder am häufigsten verwendet werden. Dies sind Parameter, die von Benutzern festgelegt werden, um die Schätzung der Modellparameter aus Daten zu erleichtern. Die obligatorischen Hyperparameter, die festgelegt werden müssen, sind zuerst aufgelistet (in alphabetischer Reihenfolge). Die optionalen Hyperparameter, die festgelegt werden können, sind als Nächstes aufgeführt (ebenfalls in alphabetischer Reihenfolge). Der SageMaker XGBoost KI-Algorithmus ist eine Implementierung des Open-Source-DMLC-Pakets. XGBoost [Einzelheiten zum vollständigen Satz von Hyperparametern, die für diese Version von konfiguriert werden können, finden Sie unter Parameter. XGBoost XGBoost](https://xgboost.readthedocs.io/en/release_1.2.0/) | Name des Parameters | Description | | --- | --- | | num\$1class | Die Anzahl der Klassen. **Erforderlich**, wenn `objective` auf *multi:softmax* oder *multi:softprob* festgelegt ist. Gültige Werte: Ganzzahl. | | num\$1round | Die Anzahl der Runden, die für die Ausführung des Trainings notwendig ist. **Erforderlich** Gültige Werte: Ganzzahl. | | alpha | L1-Regularisierungsbedingung für Gewichtungen. Eine Erhöhung dieses Werts macht Modelle konservativer. **Optional** Gültige Werte: Gleitkommazahl. Standardwert: 0 | | base\$1score | Die erste Prognosebewertung aller Instances, globale Verzerrung. **Optional** Gültige Werte: Gleitkommazahl. Standardwert: 0.5 | | booster | Welcher Booster empfiehlt sich? Die Werte `gbtree` und `dart` verwenden baumbasierte Modelle, während `gblinear` eine lineare Funktion verwendet. **Optional** Gültige Werte: Zeichenfolge. Entweder `"gbtree"`, `"gblinear"` oder `"dart"`. Standardwert: `"gbtree"` | | colsample\$1bylevel | Teilstichprobenverhältnis von Spalten für jede Teilung auf jeder Ebene. **Optional** Gültige Werte: Gleitkommazahl. Bereich: [0,1]. Standardwert: 1 | | colsample\$1bynode | Teilstichprobenverhältnis der Spalten von jedem Knoten. **Optional** Gültige Werte: Gleitkommazahl. Bereich: [0,1]. Standardwert: 1 | | colsample\$1bytree | Teilstichprobenverhältnis von Spalten beim Erstellen jedes Baums. **Optional** Gültige Werte: Gleitkommazahl. Bereich: [0,1]. Standardwert: 1 | | csv\$1weights | Wenn dieses Flag aktiviert ist, XGBoost unterscheidet es die Wichtigkeit von Instances für die CSV-Eingabe, indem die zweite Spalte (die Spalte nach den Labels) in den Trainingsdaten als Gewichtung der Instanz verwendet wird. **Optional** Gültige Werte: 0 oder 1 Standardwert: 0 | | deterministic\$1histogram | Wenn dieses Flag aktiviert ist, wird das Histogramm auf der GPU deterministisch XGBoost erstellt. Wird nur verwendet, wenn `tree_method` auf `gpu_hist` festgelegt ist. [Eine vollständige Liste der gültigen Eingaben finden Sie unter Parameter. XGBoost ](https://github.com/dmlc/xgboost/blob/master/doc/parameter.rst) **Optional** Gültige Werte: Zeichenfolge. Bereich: `"true"` oder `"false"`. Standardwert: `"true"` | | early\$1stopping\$1rounds | Das Modell wird so lange trainiert, bis die Validierungsbewertung keine Verbesserung mehr zeigt. Der Validierungsfehler muss mindestens einmal abnehmen, `early_stopping_rounds` um mit dem Training fortzufahren. SageMaker KI-Hosting verwendet das beste Inferenzmodell. **Optional** Gültige Werte: Ganzzahl. Standardwert: - | | eta | Reduzierung der Schrittgröße in Updates, um Überanpassung zu verhindern. Nach jedem Boosting-Schritt können Sie direkt die Gewichtungen der neuen Merkmale erhalten. Der Parameter `eta` verkleinert die Merkmalsgewichtungen, sodass der Boosting-Prozess konservativer wird. **Optional** Gültige Werte: Gleitkommazahl. Bereich: [0,1]. Standardwert: 0.3 | | eval\$1metric | Evaluationsmetriken für die Datenvalidierung. Eine Standardmetrik wird je nach Ziel zugewiesen: [\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/de_de/sagemaker/latest/dg/xgboost_hyperparameters.html) Eine Liste der gültigen Eingaben finden Sie unter [Parameter für XGBoost Lernaufgaben](https://github.com/dmlc/xgboost/blob/master/doc/parameter.rst#learning-task-parameters). **Optional** Gültige Werte: Zeichenfolge. Standardwert: Standard gemäß Ziel. | | gamma | Es ist eine minimale Verlustreduzierung erforderlich, um eine weitere Partition auf einem Blattknoten des Baums zu erstellen. Je größer, desto konservativer ist der Algorithmus. **Optional** Gültige Werte: Gleitkommazahl. Bereich: [0,∞). Standardwert: 0 | | grow\$1policy | Steuert die Art und Weise, wie neue Knoten zur Struktur hinzugefügt werden. Wird derzeit nur unterstützt, wenn `tree_method` auf `hist` festgelegt ist. **Optional** Gültige Werte: Zeichenfolge. Entweder `"depthwise"` oder `"lossguide"`. Standardwert: `"depthwise"` | | interaction\$1constraints | Geben Sie Gruppen von Variablen an, die interagieren dürfen. **Optional** Gültige Werte: Verschachtelte Liste von ganzen Zahlen. Jede Ganzzahl steht für ein Feature, und jede verschachtelte Liste enthält Features, die interagieren dürfen, z. B. [[1,2], [3,4,5]]. Standardwert: Keiner | | lambda | L2-Regularisierungsbedingung für Gewichtungen. Eine Erhöhung dieses Werts macht Modelle konservativer. **Optional** Gültige Werte: Gleitkommazahl. Standardwert: 1 | | lambda\$1bias | L2-Regularisierungsbedingung für Verzerrungen. **Optional** Gültige Werte: Gleitkommazahl. Bereich: [0.0, 1.0]. Standardwert: 0 | | max\$1bin | Maximale Anzahl diskreter Pakete zum Gruppieren kontinuierlicher Merkmale. Wird nur verwendet, wenn `tree_method` auf `hist` festgelegt ist. **Optional** Gültige Werte: Ganzzahl. Standardwert: 256 | | max\$1delta\$1step | Maximaler Delta-Schritt für die Gewichtungsschätzung für jeden Baum. Wenn eine positive Ganzzahl verwendet wird, trägt dies zu einer konservativeren Aktualisierung bei. Die bevorzugte Option ist die Verwendung in logistischer Regression. Setzen Sie sie auf 1-10, um die Aktualisierung zu kontrollieren. **Optional** Gültige Werte: Ganzzahl. Bereich: [0,∞). Standardwert: 0 | | max\$1depth | Maximale Tiefe eines Baums. Durch Erhöhen dieses Wertes wird das Modell komplexer und wahrscheinlich überangepasst. 0 gibt an, dass keine Begrenzung vorliegt. Ein Begrenzung ist erforderlich, wenn `grow_policy`=`depth-wise`. **Optional** Gültige Werte: Ganzzahl. Bereich: [0,∞) Standardwert: 6 | | max\$1leaves | Maximale Anzahl der hinzuzufügenden Knoten. Ist nur relevant, wenn `grow_policy` auf `lossguide` festgelegt ist. **Optional** Gültige Werte: Ganzzahl. Standardwert: 0 | | min\$1child\$1weight | Minimale Summe der Instance-Gewichtung (Hesse), die für eine untergeordnete Struktur erforderlich ist. Wenn der Partitionsschritt des Baums einen Blattknoten zum Ergebnis hat, dessen Instance-Gewicht-Summe kleiner als `min_child_weight` ist, verzichtet der Aufbauprozess auf eine weitere Partitionierung. In linearen Regressionsmodellen entspricht dies einer Mindestanzahl von erforderlichen Instances in den einzelnen Knoten. Je größer der Algorithmus, desto konservativer. **Optional** Gültige Werte: Gleitkommazahl. Bereich: [0,∞). Standardwert: 1 | | monotone\$1constraints | Gibt Einschränkungen der Monotonie für jedes Feature an. **Optional** Gültige Werte: Tupel von ganzen Zahlen. Gültige Ganzzahlen: -1 (abnehmende Einschränkung), 0 (keine Einschränkung), 1 (zunehmende Einschränkung). Beispiel: (0, 1): Keine Einschränkung für den ersten Prädiktor und eine zunehmende Einschränkung für den zweiten. (-1, 1): Abnehmende Einschränkung für den ersten Prädiktor und eine zunehmende Einschränkung für den zweiten. Standardwert: (0, 0) | | normalize\$1type | Typ eines Normalisierungsalgorithmus. **Optional** Gültige Werte: Entweder *tree* oder *forest*. Standardwert: *tree* | | nthread | Anzahl der parallelen Threads zum Ausführen von *xgboost*. **Optional** Gültige Werte: Ganzzahl. Standardwert: Maximale Anzahl an Threads. | | objective | Legt die Lernaufgabe und das entsprechende Lernziel fest. Beispiele: `reg:logistic`, `multi:softmax`, `reg:squarederror`. Eine vollständige Liste der gültigen Eingaben finden Sie unter [XGBoost Lernaufgabenparameter](https://github.com/dmlc/xgboost/blob/master/doc/parameter.rst#learning-task-parameters). **Optional** Zulässige Werte: String Standardwert: `"reg:squarederror"` | | one\$1drop | Wenn diese Kennzeichen aktiviert ist, fällt während eines Abbruchs mindestens ein Baum aus. **Optional** Gültige Werte: 0 oder 1 Standardwert: 0 | | process\$1type | Typ des auszuführenden Boosting-Prozesses. **Optional** Gültige Werte: Zeichenfolge. Entweder `"default"` oder `"update"`. Standardwert: `"default"` | | rate\$1drop | Die Ausfallrate, die einen Bruchteil eines vorherigen Baums angibt, der während eines Abbruchs ausfällt. **Optional** Gültige Werte: Gleitkommazahl. Bereich: [0.0, 1.0]. Standardwert: 0.0 | | refresh\$1leaf | Dies ist ein Parameter des Aktualisierungs-Plugins 'refresh'. Wenn Sie ihn auf `true` (1) festlegen, werden die Statistiken der Blätter und Knoten eines Baumes aktualisiert. Wenn Sie ihn auf `false` (0) festlegen, werden nur die Statistiken der Knoten aktualisiert. **Optional** Gültige Werte: 0/1 Standardwert: 1 | | sample\$1type | Typ eines Stichprobenalgorithmus. **Optional** Gültige Werte: Entweder `uniform` oder `weighted`. Standardwert: `uniform` | | scale\$1pos\$1weight | Kontrolliert die Balance zwischen positiven und negativen Gewichtungen. Er ist nützlich bei Klassen, die nicht im Gleichgewicht sind. Ein typischer Wert dafür: `sum(negative cases)` / `sum(positive cases)`. **Optional** Gültige Werte: Gleitkommazahl Standardwert: 1 | | seed | Numerischer Startwert. **Optional** Gültige Werte: Ganzzahl Standardwert: 0 | | single\$1precision\$1histogram | Wenn dieses Kennzeichen aktiviert ist, XGBoost werden Histogramme mit einfacher Genauigkeit anstelle von doppelter Genauigkeit erstellt. Wird nur verwendet, wenn `tree_method` auf `hist` oder `gpu_hist` festgelegt ist. [Eine vollständige Liste der gültigen Eingaben finden Sie unter Parameter. XGBoost ](https://github.com/dmlc/xgboost/blob/master/doc/parameter.rst) **Optional** Gültige Werte: Zeichenfolge. Bereich: `"true"` oder `"false"` Standardwert: `"false"` | | sketch\$1eps | Wird nur für einen approximativen Greedy-Algorithmus verwendet. Damit ergibt sich eine Paketanzahl von O(1/ `sketch_eps`). Im Vergleich zur direkten Auswahl der Paketanzahl besteht hier eine theoretische Garantie im Hinblick auf grafikbezogene Genauigkeit. **Optional** Gültige Werte: Float, Bereich: [0, 1]. Standardwert: 0.03 | | skip\$1drop | Wahrscheinlichkeit, mit der das Ausfallverfahren während einer Boosting-Iteration übersprungen wird. **Optional** Gültige Werte: Gleitkommazahl. Bereich: [0.0, 1.0]. Standardwert: 0.0 | | subsample | Teilstichprobenverhältnis der Trainings-Instance. Ein Wert von 0,5 bedeutet, dass XGBoost zufällig die Hälfte der Dateninstanzen gesammelt wird, um Bäume wachsen zu lassen. Dies verhindert eine Überanpassung. **Optional** Gültige Werte: Gleitkommazahl. Bereich: [0,1]. Standardwert: 1 | | tree\$1method | Der Algorithmus zur Baumkonstruktion, der in verwendet wurde XGBoost. **Optional** Gültige Werte: One of `auto`, `exact`, `approx`, `hist` oder `gpu_hist`. Standardwert: `auto` | | tweedie\$1variance\$1power | Parameter, der die Varianz der Tweedie-Verteilung steuert. **Optional** Gültige Werte: Gleitkommazahl. Bereich: (1, 2) Standardwert: 1.5 | | updater | Eine durch Komma getrennte Zeichenfolge, welche die Reihenfolge festlegt, in der die Baum-Updater ausgeführt werden. Dies ist eine modulare Methode, um Bäume zu erstellen und zu ändern. Eine vollständige Liste der gültigen Eingaben finden Sie unter [XGBoost Parameter](https://github.com/dmlc/xgboost/blob/master/doc/parameter.rst). **Optional** Gültige Werte: durch Komma getrennte Zeichenfolge. Standardwert: `grow_colmaker`, prune | | use\$1dask\$1gpu\$1training | Stellen Sie `use_dask_gpu_training` auf `"true"` ein, wenn Sie verteilte GPU-Trainings mit Dask ausführen möchten. Das GPU-Training von Dask wird nur für die Versionen 1.5-1 und höher unterstützt. Setzen Sie diesen Wert für Versionen vor 1.5-1 nicht auf `"true"`. Weitere Informationen finden Sie unter [Verteiltes GPU-Training](xgboost.md#Instance-XGBoost-distributed-training-gpu). **Optional** Gültige Werte: Zeichenfolge. Bereich: `"true"` oder `"false"` Standardwert: `"false"` | | verbosity | Ausführlichkeit beim Drucken von Nachrichten. Gültige Werte: 0 (stumm), 1 (Warnung), 2 (Info), 3 (Debug). **Optional** Standardwert: 1 |