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”.

Hiperparameter LDA

Mode fokus
Hiperparameter LDA - 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.

Dalam CreateTrainingJob permintaan, Anda menentukan algoritma pelatihan. Anda juga dapat menentukan hyperparameter khusus algoritme sebagai peta. string-to-string Tabel berikut mencantumkan hyperparameters untuk algoritma pelatihan LDA yang disediakan oleh Amazon SageMaker AI. Untuk informasi selengkapnya, lihat Bagaimana LDA Bekerja.

Nama Parameter Deskripsi
num_topics

Jumlah topik untuk LDA untuk menemukan dalam data.

Diperlukan

Nilai yang valid: bilangan bulat positif

feature_dim

Ukuran kosakata korpus dokumen masukan.

Diperlukan

Nilai yang valid: bilangan bulat positif

mini_batch_size

Jumlah total dokumen dalam korpus dokumen input.

Diperlukan

Nilai yang valid: bilangan bulat positif

alpha0

Tebakan awal untuk parameter konsentrasi: jumlah elemen Dirichlet sebelumnya. Nilai kecil lebih cenderung menghasilkan campuran topik yang jarang dan nilai besar (lebih besar dari 1,0) menghasilkan campuran yang lebih seragam.

Opsional

Nilai yang valid: Float positif

Nilai default: 1.0

max_restarts

Jumlah restart untuk dilakukan selama fase dekomposisi spektral Alternating Least Squares (ALS) dari algoritma. Dapat digunakan untuk menemukan minima lokal berkualitas lebih baik dengan mengorbankan perhitungan tambahan, tetapi biasanya tidak boleh disesuaikan.

Opsional

Nilai yang valid: Bilangan bulat positif

Nilai default: 10

max_iterations

Jumlah maksimum iterasi yang harus dilakukan selama fase ALS dari algoritma. Dapat digunakan untuk menemukan kualitas minimum yang lebih baik dengan mengorbankan perhitungan tambahan, tetapi biasanya tidak boleh disesuaikan.

Opsional

Nilai yang valid: Bilangan bulat positif

Nilai default: 1000

tol

Target toleransi kesalahan untuk fase ALS dari algoritma. Dapat digunakan untuk menemukan kualitas minimum yang lebih baik dengan mengorbankan perhitungan tambahan, tetapi biasanya tidak boleh disesuaikan.

Opsional

Nilai yang valid: Float positif

Nilai default: 1e-8

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