翻訳は機械翻訳により提供されています。提供された翻訳内容と英語版の間で齟齬、不一致または矛盾がある場合、英語版が優先します。

RCF モデルを調整する

自動モデル調整は、ハイパーパラメータ調整またはハイパーパラメータ最適化とも呼ばれ、データセットのさまざまなハイパーパラメータをテストする多数のジョブを実行して、モデルの最適なバージョンを見つけます。調整可能なハイパーパラメータ、それぞれの値の範囲、および目標メトリクスを選択します。アルゴリズムが計算するメトリクスから目標メトリクスを選択します。自動モデル調整は、選択されたハイパーパラメータを検索して、目標メトリクスを最適化するモデルになる値の組み合わせを見つけます。

Amazon SageMaker AI RCF アルゴリズムは、ハイパーパラメータの最適化にラベル付きのテストデータセットを必要とする教師なし異常検出アルゴリズムです。RCF は、テストデータポイントの異常スコアを計算し、それらのスコアが平均スコアの標準偏差の 3 倍を超えている場合は、データポイントを異常とラベル付けします。これは 3 シグマ限界法と呼ばれます。F1 スコアは、計算ラベルと実際のラベルの差に基づいて計算されます。ハイパーパラメータ調整ジョブは、そのスコアを最大化するモデルを見つけます。ハイパーパラメータ最適化の成功は、テストデータセットに対する 3 シグマ限界法の適用可能性に依存します。

モデル調整の詳細については、「SageMaker AI による自動モデル調整」を参照してください。

RCF アルゴリズムによって計算されたメトリクス

RCF アルゴリズムは、トレーニング中に以下のメトリクスを計算します。モデルを調整するときには、このメトリクスを目標メトリクスとして選択してください。

調整可能な RCF ハイパーパラメータ

以下のハイパーパラメータを使用して RCF モデルを調整できます。