Le traduzioni sono generate tramite traduzione automatica. In caso di conflitto tra il contenuto di una traduzione e la versione originale in Inglese, quest'ultima prevarrà.
Ottimizzazione di un modello Insights IP
L'ottimizzazione automatica dei modelli, chiamata anche ottimizzazione degli iperparametri, trova la versione migliore di un modello eseguendo molti processi che testano un intervallo di iperparametri sul set di dati. Scegli gli iperparametri ottimizzabili, un intervallo di valori per ciascuno di essi e un parametro obiettivo. Puoi scegliere il parametro obiettivo tra i parametri calcolati dall'algoritmo. L'ottimizzazione automatica del modello ricerca gli iperparametri scelti per trovare la combinazione di valori che restituisce il modello che ottimizza il parametro obiettivo.
Per ulteriori informazioni sull'ottimizzazione del modello, consulta Ottimizzazione automatica dei modelli con AI SageMaker .
Parametri calcolati dall'algoritmo IP Insights
L'algoritmo Amazon SageMaker AI IP Insights è un algoritmo di apprendimento non supervisionato che apprende le associazioni tra indirizzi IP ed entità. L'algoritmo addestra un modello di distinzione che apprende come separare i punti di dati osservati (esempi positivi) dai punti di dati generati in modo casuale (esempi negativi). L'ottimizzazione automatica del modello su IP Insights ti aiuta a trovare il modello che può distinguere in modo più accurato i dati di convalida senza etichetta e gli esempi negativi generati automaticamente. L'accuratezza del modello sul set di dati di convalida viene misurata dall'area sotto la curva ROC (Receiver Operating Characteristic). Questo parametro validation:discriminator_auc accetta valori compresi tra 0,0 e 1,0, dove 1,0 indica l'accuratezza perfetta.
L'algoritmo di IP Insights calcola un parametro validation:discriminator_auc durante la convalida, il cui valore è utilizzato come funzione obiettivo per la migliore ottimizzazione degli iperparametri.
| Nome parametro | Descrizione | Direzione dell'ottimizzazione |
|---|---|---|
validation:discriminator_auc |
Area sotto la curva ROC (Receiver Operating Characteristic) sul set di dati di convalida. Il set di dati di convalida non ha etichetta. Area Under the Curve (AUC) è una metrica che descrive la capacità del modello di distinguere i punti dati di convalida dai punti dati generati casualmente. |
Massimizza |
Iperparametri di Insights IP ottimizzabili
È possibile ottimizzare i seguenti iperparametri per l'algoritmo AI IP Insights. SageMaker
| Nome parametro | Tipo parametro | Intervalli consigliati |
|---|---|---|
epochs |
IntegerParameterRange |
MinValue: 1, MaxValue: 10 |
learning_rate |
ContinuousParameterRange |
MinValue: 1e-4, MaxValue: 0,1 |
mini_batch_size |
IntegerParameterRanges |
MinValue: 100, MaxValue: 5000 |
num_entity_vectors |
IntegerParameterRanges |
MinValue: 1000, MaxValue: 10000 |
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 |
