Pilih preferensi cookie Anda

Kami menggunakan cookie penting serta alat serupa yang diperlukan untuk menyediakan situs dan layanan. Kami menggunakan cookie performa untuk mengumpulkan statistik anonim sehingga kami dapat memahami cara pelanggan menggunakan situs dan melakukan perbaikan. Cookie penting tidak dapat dinonaktifkan, tetapi Anda dapat mengklik “Kustom” atau “Tolak” untuk menolak cookie performa.

Jika Anda setuju, AWS dan pihak ketiga yang disetujui juga akan menggunakan cookie untuk menyediakan fitur situs yang berguna, mengingat preferensi Anda, dan menampilkan konten yang relevan, termasuk iklan yang relevan. Untuk menerima atau menolak semua cookie yang tidak penting, klik “Terima” atau “Tolak”. Untuk membuat pilihan yang lebih detail, klik “Kustomisasi”.

Menyetel Model Mesin Faktorisasi

Mode fokus
Menyetel Model Mesin Faktorisasi - Amazon SageMaker AI

Terjemahan disediakan oleh mesin penerjemah. Jika konten terjemahan yang diberikan bertentangan dengan versi bahasa Inggris aslinya, utamakan versi bahasa Inggris.

Terjemahan disediakan oleh mesin penerjemah. Jika konten terjemahan yang diberikan bertentangan dengan versi bahasa Inggris aslinya, utamakan versi bahasa Inggris.

Penyetelan model otomatis, juga dikenal sebagai tuning hyperparameter, menemukan versi terbaik dari model dengan menjalankan banyak pekerjaan yang menguji berbagai hiperparameter pada kumpulan data Anda. Anda memilih hyperparameters yang dapat disetel, rentang nilai untuk masing-masing, dan metrik objektif. Anda memilih metrik objektif dari metrik yang dihitung algoritme. Penyetelan model otomatis mencari hiperparameter yang dipilih untuk menemukan kombinasi nilai yang menghasilkan model yang mengoptimalkan metrik objektif.

Untuk informasi selengkapnya tentang penyetelan model, lihatPenyetelan model otomatis dengan AI SageMaker .

Metrik yang Dihitung oleh Algoritma Mesin Faktorisasi

Algoritma Mesin Faktorisasi memiliki klasifikasi biner dan tipe prediktor regresi. Jenis prediktor menentukan metrik mana yang dapat Anda gunakan untuk penyetelan model otomatis. Algoritma melaporkan metrik test:rmse regressor, yang dihitung selama pelatihan. Saat menyetel model untuk tugas regresi, pilih metrik ini sebagai tujuannya.

Nama Metrik Deskripsi Arah Optimasi
test:rmse

Root Mean Square Error

Minimalkan

Algoritma Mesin Faktorisasi melaporkan tiga metrik klasifikasi biner, yang dihitung selama pelatihan. Saat menyetel model untuk tugas klasifikasi biner, pilih salah satunya sebagai tujuannya.

Nama Metrik Deskripsi Arah Optimasi
test:binary_classification_accuracy

Akurasi

Maksimalkan

test:binary_classification_cross_entropy

Entropi Silang

Minimalkan

test:binary_f_beta

Beta

Maksimalkan

Mesin Factorisasi Tunable Hyperparameters

Anda dapat menyetel hiperparameter berikut untuk algoritma Mesin Faktorisasi. Parameter inisialisasi yang berisi istilah bias, linier, dan faktorisasi bergantung pada metode inisialisasi mereka. Ada tiga metode inisialisasi:uniform,normal, danconstant. Metode inisialisasi ini sendiri tidak dapat disetel. Parameter yang dapat disetel tergantung pada pilihan metode inisialisasi ini. Misalnya, jika metode inisialisasi adalahuniform, maka hanya scale parameter yang dapat disetel. Khususnya, jikabias_init_method==uniform, kemudian bias_init_scalelinear_init_scale, dan dapat factors_init_scale disetel. Demikian pula, jika metode inisialisasi adalahnormal, maka hanya sigma parameter yang dapat disetel. Jika metode inisialisasi adalahconstant, maka hanya value parameter yang dapat disetel. Dependensi ini tercantum dalam tabel berikut.

Nama Parameter Jenis Parameter Rentang yang Direkomendasikan Dependensi
bias_init_scale

ContinuousParameterRange

MinValue: 1e-8, MaxValue: 512

bias_init_method==seragam

bias_init_sigma

ContinuousParameterRange

MinValue: 1e-8, MaxValue: 512

bias_init_method== normal

bias_init_value

ContinuousParameterRange

MinValue: 1e-8, MaxValue: 512

bias_init_method== konstan

bias_lr

ContinuousParameterRange

MinValue: 1e-8, MaxValue: 512

Tidak ada

bias_wd

ContinuousParameterRange

MinValue: 1e-8, MaxValue: 512

Tidak ada

epoch

IntegerParameterRange

MinValue: 1, MaxValue: 1000

Tidak ada

factors_init_scale

ContinuousParameterRange

MinValue: 1e-8, MaxValue: 512

bias_init_method==seragam

factors_init_sigma

ContinuousParameterRange

MinValue: 1e-8, MaxValue: 512

bias_init_method== normal

factors_init_value

ContinuousParameterRange

MinValue: 1e-8, MaxValue: 512

bias_init_method== konstan

factors_lr

ContinuousParameterRange

MinValue: 1e-8, MaxValue: 512

Tidak ada

factors_wd

ContinuousParameterRange

MinValue: 1e-8, MaxValue: 512]

Tidak ada

linear_init_scale

ContinuousParameterRange

MinValue: 1e-8, MaxValue: 512

bias_init_method==seragam

linear_init_sigma

ContinuousParameterRange

MinValue: 1e-8, MaxValue: 512

bias_init_method== normal

linear_init_value

ContinuousParameterRange

MinValue: 1e-8, MaxValue: 512

bias_init_method== konstan

linear_lr

ContinuousParameterRange

MinValue: 1e-8, MaxValue: 512

Tidak ada

linear_wd

ContinuousParameterRange

MinValue: 1e-8, MaxValue: 512

Tidak ada

mini_batch_size

IntegerParameterRange

MinValue: 100, MaxValue: 10000

Tidak ada

Di halaman ini

PrivasiSyarat situsPreferensi cookie
© 2025, Amazon Web Services, Inc. atau afiliasinya. Semua hak dilindungi undang-undang.