Terjemahan disediakan oleh mesin penerjemah. Jika konten terjemahan yang diberikan bertentangan dengan versi bahasa Inggris aslinya, utamakan versi bahasa Inggris.
Penyetelan model otomatis, juga disebut 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 oleh algoritme. Penyetelan model otomatis mencari hiperparameter yang dipilih untuk menemukan kombinasi nilai yang menghasilkan model yang mengoptimalkan metrik objektif.
Untuk informasi lebih lanjut tentang penyetelan model, lihatPenyetelan model otomatis dengan AI SageMaker .
Metrik Dihitung oleh Algoritma Wawasan IP
Algoritma Amazon SageMaker AI IP Insights adalah algoritma pembelajaran tanpa pengawasan yang mempelajari asosiasi antara alamat IP dan entitas. Algoritma melatih model diskriminator, yang belajar memisahkan titik data yang diamati (sampel positif) dari titik data yang dihasilkan secara acak (sampel negatif). Penyetelan model otomatis pada IP Insights membantu Anda menemukan model yang paling akurat membedakan antara data validasi yang tidak berlabel dan sampel negatif yang dihasilkan secara otomatis. Akurasi model pada dataset validasi diukur oleh area di bawah kurva karakteristik operasi penerima. validation:discriminator_aucMetrik ini dapat mengambil nilai antara 0,0 dan 1,0, di mana 1,0 menunjukkan akurasi sempurna.
Algoritma IP Insights menghitung validation:discriminator_auc metrik selama validasi, yang nilainya digunakan sebagai fungsi objektif untuk mengoptimalkan penyetelan hyperparameter.
| Nama Metrik | Deskripsi | Arah Optimasi |
|---|---|---|
validation:discriminator_auc |
Area di bawah kurva karakteristik operasi penerima pada kumpulan data validasi. Dataset validasi tidak diberi label. Area Under the Curve (AUC) adalah metrik yang menggambarkan kemampuan model untuk membedakan titik data validasi dari titik data yang dihasilkan secara acak. |
Maksimalkan |
Hiperparameter Wawasan IP yang Dapat Disetel
Anda dapat menyetel hyperparameter berikut untuk algoritma SageMaker AI IP Insights.
| Nama Parameter | Jenis Parameter | Rentang yang Direkomendasikan |
|---|---|---|
epochs |
IntegerParameterRange |
MinValue: 1, MaxValue: 100 |
learning_rate |
ContinuousParameterRange |
MinValue: 1e-4, MaxValue: 0,1 |
mini_batch_size |
IntegerParameterRanges |
MinValue: 100, MaxValue: 50000 |
num_entity_vectors |
IntegerParameterRanges |
MinValue: 10000, MaxValue: 1000000 |
num_ip_encoder_layers |
IntegerParameterRanges |
MinValue: 1, MaxValue: 10 |
random_negative_sampling_rate |
IntegerParameterRanges |
MinValue: 0, MaxValue: 10 |
shuffled_negative_sampling_rate |
IntegerParameterRanges |
MinValue: 0, MaxValue: 10 |
vector_dim |
IntegerParameterRanges |
MinValue: 8, MaxValue: 256 |
weight_decay |
ContinuousParameterRange |
MinValue: 0.0, MaxValue: 1.0 |
