RCFIperparametri - Amazon SageMaker

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.

RCFIperparametri

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' SageMaker RCFalgoritmo Amazon. 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 questo valore viene calcolato automaticamente e non è necessario specificarlo.

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:

  • accuracy - restituisce frazione di previsioni corrette.

  • precision_recall_fscore - restituisce la precisione positiva e negativa, il richiamo e i punteggi F1.

Opzionale

Valori validi: un elenco con i valori possibili ottenuti da accuracy o precision_recall_fscore.

Valore predefinito: accuracy e precision_recall_fscore sono entrambi calcolati.
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