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 atau optimasi hyperparameter, menemukan versi terbaik dari model dengan menjalankan banyak pekerjaan yang menguji berbagai hyperparameter pada dataset 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.
Algoritma Amazon SageMaker AI RCF adalah algoritma deteksi anomali tanpa pengawasan yang memerlukan dataset pengujian berlabel untuk optimasi hyperparameter. RCF menghitung skor anomali untuk titik data uji 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. Skor F1 didasarkan pada perbedaan antara label yang dihitung dan label aktual. Pekerjaan tuning hyperparameter menemukan model yang memaksimalkan skor itu. Keberhasilan optimasi hiperparameter tergantung pada penerapan heuristik batas tiga-sigma ke kumpulan data pengujian.
Untuk informasi selengkapnya tentang penyetelan model, lihatPenyetelan model otomatis dengan AI SageMaker .
Metrik yang Dihitung oleh Algoritma RCF
Algoritma RCF menghitung metrik berikut selama pelatihan. Saat menyetel model, pilih metrik ini sebagai metrik objektif.
| Nama Metrik | Deskripsi | Arah Optimasi |
|---|---|---|
test:f1 |
Skor F1 pada kumpulan data pengujian, berdasarkan perbedaan antara label yang dihitung dan label aktual. |
Maksimalkan |
Hiperparameter RCF yang dapat disetel
Anda dapat menyetel model RCF dengan hyperparameters berikut.
| Nama Parameter | Jenis Parameter | Rentang yang Direkomendasikan |
|---|---|---|
num_samples_per_tree |
IntegerParameterRanges |
MinValue: 1 MaxValue ,:2048 |
num_trees |
IntegerParameterRanges |
MinValue: 50 MaxValue ,:1000 |
