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.
Nella richiesta CreateTrainingJob puoi specificare l'algoritmo di addestramento. È inoltre possibile specificare iperparametri specifici dell'algoritmo come mappe. string-to-string La tabella seguente elenca gli iperparametri per l'algoritmo RCF di Amazon SageMaker AI. Per ulteriori informazioni, incluse le raccomandazioni su come scegliere iperparametri, consulta Come funziona RCF.
| Nome parametro | Descrizione |
|---|---|
feature_dim |
Il numero di funzioni nel set di dati. Se utilizzi lo strumento di valutazione Random Cut Forest Campo obbligatorio Valori validi: numeri interi positivi (min: 1, max: 10000) |
eval_metrics |
Elenco dei parametri utilizzati per assegnare un punteggio a un set di dati di test con etichetta. I seguenti parametri possono essere selezionati per l'output:
Opzionale Valori validi: un elenco con i valori possibili ottenuti da Valore predefinito: |
num_samples_per_tree |
Numero di campioni casuali specificato per ogni albero del set di dati di addestramento. Opzionale Valori validi: numeri interi positivi (min: 1, max: 2048) Valore predefinito: 256 |
num_trees |
Numero di alberi nella foresta. Opzionale Valori validi: numeri interi positivi (min: 50, max: 1000) Valore predefinito: 100 |
