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.
L'ottimizzazione automatica dei modelli, nota anche come 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.
L'algoritmo RCF di Amazon SageMaker AI è un algoritmo di rilevamento delle anomalie non supervisionato che richiede un set di dati di test etichettato per l'ottimizzazione degli iperparametri. RCF calcola i punteggi di anomalia per i punti di dati di test e quindi contrassegna i punti di dati come anomali se i punteggi superano le tre deviazioni standard rispetto al punteggio medio. Questo è noto come euristica dei limiti 3-sigma. Il punteggio F1 è emesso in base alla differenza tra le etichette calcolate e le etichette effettive. Il processo di ottimizzazione degli iperparametri trova il modello che massimizza il punteggio. Il successo dell'ottimizzazione degli iperparametri dipende dall'applicabilità dell'euristica dei limiti tre sigma al set di dati di test.
Per ulteriori informazioni sull'ottimizzazione del modello, consulta Ottimizzazione automatica dei modelli con AI SageMaker .
Parametri calcolati dall'algoritmo RCF
L'algoritmo RCF calcola i seguenti parametri durante l’addestramento. Quando ottimizzi il modello, scegli questo parametro come obiettivo.
| Nome parametro | Descrizione | Direzione dell'ottimizzazione |
|---|---|---|
test:f1 |
Il punteggio F1 del set di dati di test in base alla differenza tra le etichette calcolate e le etichette effettive. |
Massimizza |
Iperparametri RCF ottimizzabili
Puoi ottimizzare un modello RCF con i seguenti iperparametri.
| Nome parametro | Tipo parametro | Intervalli consigliati |
|---|---|---|
num_samples_per_tree |
IntegerParameterRanges |
MinValue1:2048 MaxValue |
num_trees |
IntegerParameterRanges |
MinValue: 50, 1000 MaxValue |
