Seleccione sus preferencias de cookies

Usamos cookies esenciales y herramientas similares que son necesarias para proporcionar nuestro sitio y nuestros servicios. Usamos cookies de rendimiento para recopilar estadísticas anónimas para que podamos entender cómo los clientes usan nuestro sitio y hacer mejoras. Las cookies esenciales no se pueden desactivar, pero puede hacer clic en “Personalizar” o “Rechazar” para rechazar las cookies de rendimiento.

Si está de acuerdo, AWS y los terceros aprobados también utilizarán cookies para proporcionar características útiles del sitio, recordar sus preferencias y mostrar contenido relevante, incluida publicidad relevante. Para aceptar o rechazar todas las cookies no esenciales, haga clic en “Aceptar” o “Rechazar”. Para elegir opciones más detalladas, haga clic en “Personalizar”.

Ajuste un CatBoost modelo

Modo de enfoque
Ajuste un CatBoost modelo - Amazon SageMaker AI

Las traducciones son generadas a través de traducción automática. En caso de conflicto entre la traducción y la version original de inglés, prevalecerá la version en inglés.

Las traducciones son generadas a través de traducción automática. En caso de conflicto entre la traducción y la version original de inglés, prevalecerá la version en inglés.

El ajuste de modelo automático, también conocido como ajuste de hiperparámetros, encuentra la mejor versión de un modelo ejecutando distintas tareas que prueban una serie de hiperparámetros en los conjuntos de datos de validación y entrenamiento. El ajuste del modelo se centra en los siguientes hiperparámetros:

nota

La función de pérdida de aprendizaje se asigna automáticamente en función del tipo de tarea de clasificación, que viene determinada por el número de enteros únicos de la columna de etiquetas. Para obtener más información, consulte CatBoost hiperparámetros.

  • Una función de pérdida de aprendizaje que se debe optimizar durante el entrenamiento con modelos.

  • Una métrica de evaluación que se utiliza para evaluar el rendimiento del modelo durante la validación.

  • Un conjunto de hiperparámetros y un rango de valores para emplear al ajustar el modelo automáticamente.

El ajuste de modelo automático busca los hiperparámetros elegidos con el objetivo de encontrar una combinación de valores que genere un modelo capaz de optimizar la métrica de evaluación seleccionada.

nota

El ajuste automático de modelos solo CatBoost está disponible en Amazon SageMaker AI SDKs, no en la consola SageMaker AI.

Para obtener más información acerca del ajuste de modelos, consulte Ajuste automático de modelos con IA SageMaker .

Métricas de evaluación calculadas por el CatBoost algoritmo

El CatBoost algoritmo de SageMaker IA calcula las siguientes métricas para utilizarlas en la validación del modelo. La métrica de evaluación se asigna automáticamente en función del tipo de tarea de clasificación, que viene determinada por el número de enteros únicos en la columna de etiqueta.

Nombre de métrica Descripción Dirección de optimización Patrón de expresiones regulares
RMSE raíz del error cuadrático medio minimizar "bestTest = ([0-9\\.]+)"
MAE error absoluto medio minimizar "bestTest = ([0-9\\.]+)"
MedianAbsoluteError error absoluto mediano minimizar "bestTest = ([0-9\\.]+)"
R2 puntuación r2 maximizar "bestTest = ([0-9\\.]+)"
Logloss entropía cruzada binaria maximizar "bestTest = ([0-9\\.]+)"
Precision precisión maximizar "bestTest = ([0-9\\.]+)"
Recall exhaustividad maximizar "bestTest = ([0-9\\.]+)"
F1 puntuación f1 maximizar "bestTest = ([0-9\\.]+)"
AUC puntuación auc maximizar "bestTest = ([0-9\\.]+)"
MultiClass entropía cruzada multiclase maximizar "bestTest = ([0-9\\.]+)"
Accuracy precisión maximizar "bestTest = ([0-9\\.]+)"
BalancedAccuracy precisión equilibrada maximizar "bestTest = ([0-9\\.]+)"

Hiperparámetros ajustables CatBoost

Ajuste el CatBoost modelo con los siguientes hiperparámetros. Los hiperparámetros que tienen el mayor efecto en la optimización de las métricas de CatBoost evaluación son:learning_rate, depthl2_leaf_reg, y. random_strength Para obtener una lista de todos los CatBoost hiperparámetros, consulte. CatBoost hiperparámetros

Nombre del parámetro Tipo de parámetro Intervalos recomendados
learning_rate ContinuousParameterRanges MinValue: 0,001, MaxValue: 0,01
depth IntegerParameterRanges MinValue: 4, MaxValue 10
l2_leaf_reg IntegerParameterRanges MinValue: 2, MaxValue 10
random_strength ContinuousParameterRanges MinValue: 0, MaxValue 10
PrivacidadTérminos del sitioPreferencias de cookies
© 2025, Amazon Web Services, Inc o sus afiliados. Todos los derechos reservados.