RCFHyperparamètres - Amazon SageMaker AI

Les traductions sont fournies par des outils de traduction automatique. En cas de conflit entre le contenu d'une traduction et celui de la version originale en anglais, la version anglaise prévaudra.

RCFHyperparamètres

Dans la demande CreateTrainingJob, vous spécifiez l'algorithme d'entraînement. Vous pouvez également spécifier des hyperparamètres spécifiques à l'algorithme sous forme de cartes. string-to-string Le tableau suivant répertorie les hyperparamètres de l'RCFalgorithme Amazon SageMaker AI. Pour plus d'informations, y compris les recommandations sur la façon de choisir les hyperparamètres, consultez Fonctionnement de RCF.

Nom du paramètre Description
feature_dim

Nombre de caractéristiques de l'ensemble de données. (Si vous utilisez l'évaluateur de Random Cut Forest, cette valeur est calculée automatiquement et vous n'avez pas besoin de la préciser.)

Obligatoire

Valeurs valides : entier positif (min : 1, max : 10 000)
eval_metrics

Liste des métriques utilisées pour évaluer un ensemble de données de test étiquetées. Les métriques suivantes peuvent être sélectionnées pour la sortie :

  • accuracy – renvoie la fraction de prédictions correctes.

  • precision_recall_fscore – renvoie la précision positive et négative, le rappel et les valeurs F1.

Facultatif

Valeurs valides : la liste des valeurs possibles extraites de accuracy ou precision_recall_fscore.

Valeur par défaut : accuracy, precision_recall_fscore sont toutes deux calculées.
num_samples_per_tree

Nombre d'échantillons aléatoires donnés à chaque arbre de l'ensemble de données d'entraînement.

Facultatif

Valeurs valides : nombre entier positif (min : 1, max : 2048)

Valeur par défaut : 256
num_trees

Nombre d'arbres dans la forêt.

Facultatif

Valeurs valides : nombre entier positif (min : 50, max : 1000)

Valeur par défaut : 100