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

Menyetel Model RCF

Penyetelan model otomatis, juga dikenal sebagai penyetelan hyperparameter atau optimasi hyperparameter, menemukan versi model terbaik dengan menjalankan banyak pekerjaan yang menguji berbagai hyperparameter pada dataset Anda. Anda memilih hyperparameter yang dapat disetel, rentang nilai untuk masing-masing, dan metrik objektif. Anda memilih metrik objektif dari metrik yang dihitung algoritma. Penyetelan model otomatis mencari hyperparameter yang dipilih untuk menemukan kombinasi nilai yang menghasilkan model yang mengoptimalkan metrik objektif.

Algoritma Amazon SageMaker AI RCF adalah algoritma deteksi anomali tanpa pengawasan yang memerlukan kumpulan data uji berlabel untuk pengoptimalan hyperparameter. RCF menghitung skor anomali untuk titik data tes dan kemudian memberi label titik data sebagai anomali jika skornya melebihi tiga standar deviasi dari skor rata-rata. Ini dikenal sebagai heuristik batas tiga-sigma. Hal F1-score ini didasarkan pada perbedaan antara label yang dihitung dan label aktual. Pekerjaan penyetelan hyperparameter menemukan model yang memaksimalkan skor itu. Keberhasilan pengoptimalan hiperparameter tergantung pada penerapan heuristik batas tiga-sigma ke kumpulan data uji.

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

Metrik Dihitung oleh Algoritma RCF

Algoritma RCF menghitung metrik berikut selama pelatihan. Saat menyetel model, pilih metrik ini sebagai metrik objektif.

Hyperparameter RCF yang dapat disetel

Anda dapat menyetel model RCF dengan hyperparameter berikut.