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。

# XGBoost のハイパーパラメータ
<a name="xgboost_hyperparameters"></a>

次の表には、Amazon SageMaker AI XGBoost アルゴリズムに必要な、または最も一般的に使用されるハイパーパラメータのサブセットが含まれています。これらは、データからモデルパラメータを推定しやすくするためにユーザが設定するパラメータです。設定の必要がある必須ハイパーパラメータは、アルファベット順に最初に一覧表示されています。設定可能なオプションのハイパーパラメータは、アルファベット順に次に一覧表示されています。SageMaker AI XGBoost アルゴリズムは、オープンソースの DMLC XGBoost パッケージの実装です。このバージョンの XGBoost に設定できるハイパーパラメータの完全なセットの詳細については、「[XGBoost パラメータ](https://xgboost.readthedocs.io/en/release_1.2.0/)」を参照してください。


| Parameter Name | 説明 | 
| --- | --- | 
| num\$1class |  クラスの数。 `objective` が *multi:softmax* または *multi:softprob* に設定されている場合は**必須**。 有効な値: 整数。  | 
| num\$1round |  トレーニングを実行するラウンド数。 **必須** 有効な値: 整数。  | 
| alpha |  重みに対する L1 正規化項。この値を大きくすると、モデルがより控えめになります。 **オプション** 有効な値: 浮動小数点数。 デフォルト値: 0  | 
| base\$1score |  すべてのインスタンスの初期予測スコア、全体的な偏り。 **オプション** 有効な値: 浮動小数点数。 デフォルト値: 0.5  | 
| booster |  使用するブースター。`gbtree` 値と `dart` 値はツリー型のモデルを使用し、`gblinear` は一次関数を使用します。 **オプション** 有効な値： 文字列。`"gbtree"`、`"gblinear"`、`"dart"` のいずれか 1 つ。 デフォルト値: `"gbtree"`  | 
| colsample\$1bylevel |  各レベルにおける、各分割の列のサブサンプル率。 **オプション** 有効な値: 浮動小数点数。範囲: [0,1]。 デフォルト値： 1  | 
| colsample\$1bynode |  各ノードの列のサブサンプル率。 **オプション** 有効な値: 浮動小数点数。範囲: (0,1]。 デフォルト値： 1  | 
| colsample\$1bytree |  各ツリーを構築する際の列のサブサンプル率。 **オプション** 有効な値: 浮動小数点数。範囲: [0,1]。 デフォルト値： 1  | 
| csv\$1weights |  このフラグを有効にすると、XGBoost は、トレーニングデータの 2 列目 (ラベルの後の列) をインスタンスの重みとして使用して、csv 入力のインスタンスの重要性を区別します。 **オプション** 有効な値: 0 または 1 デフォルト値: 0  | 
| deterministic\$1histogram |  このフラグが有効になっている場合、XgBoost はヒストグラムを GPU 上で決定的に構築します。`tree_method` が `gpu_hist` に設定されている場合にのみ使用されます。 有効な入力の完全なリストについては、[XGBoost Parameters (XGBoost パラメータ)](https://github.com/dmlc/xgboost/blob/master/doc/parameter.rst) を参照してください。 **オプション** 有効な値： 文字列。範囲: `"true"` または `"false"`。 デフォルト値: `"true"`  | 
| early\$1stopping\$1rounds |  検証スコアに改善が見られなくなるまでモデルのトレーニングが行われます。トレーニングを続行するには、少なくとも `early_stopping_rounds` ごとに検証エラーが減少する必要があります。SageMaker AI ホスティングは推論に最適なモデルを使用します。 **オプション** 有効な値: 整数。 デフォルト値: -  | 
| eta |  過剰適合を防ぐために更新で使用されるステップサイズの縮小。各ブースティングステップ後、新しい特徴の重みを直接取得できます。`eta` パラメータは実際に特徴の重みを縮小して、ブースティング処理をより控えめにします。 **オプション** 有効な値: 浮動小数点数。範囲: [0,1]。 デフォルト値: 0.3  | 
| eval\$1metric |  検証データの検証メトリクス。目標に応じてデフォルトのメトリクスが割り当てられます。 [\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/ja_jp/sagemaker/latest/dg/xgboost_hyperparameters.html) 有効な入力のリストについては、「[XGBoost Learning Task Parameters」(XGBoost ラーニングタスクのパラメータ](https://github.com/dmlc/xgboost/blob/master/doc/parameter.rst#learning-task-parameters)) を参照してください。 **オプション** 有効な値： 文字列。 デフォルト値: 目標に基づくデフォルト  | 
| gamma |  ツリーのリーフノードに追加のパーティションを作成するために必要な損失低減の最小値。数値が大きいほど、アルゴリズムはより控えめになります。 **オプション** 有効な値: 浮動小数点数。範囲: [0,∞)。 デフォルト値: 0  | 
| grow\$1policy |  ツリーに新しいノードを追加する方法を制御します。現在、`tree_method` が `hist` に設定されている場合にのみサポートされます。 **オプション** 有効な値： 文字列。`"depthwise"` または `"lossguide"` です。 デフォルト値: `"depthwise"`  | 
| interaction\$1constraints |  やり取りが許可される変数のグループを指定します。 **オプション** 有効な値: ネストされた整数のリスト。各整数は特徴を表し、ネストされた各リストには、[[1,2], [3,4,5]] など、やり取りが許可される特徴が含まれています。 デフォルト値: なし  | 
| lambda |  重みに対する L2 正規化項。この値を大きくすると、モデルがより控えめになります。 **オプション** 有効な値: 浮動小数点数。 デフォルト値： 1  | 
| lambda\$1bias |  偏りに対する L2 正規化項。 **オプション** 有効な値: 浮動小数点数。範囲: [0.0, 1.0]。 デフォルト値: 0  | 
| max\$1bin |  連続する特徴をバケットに入れる別個のビンの最大数。`tree_method` が `hist` に設定されている場合にのみ使用されます。 **オプション** 有効な値: 整数。 デフォルト値: 256  | 
| max\$1delta\$1step |  各ツリーの重みの推定に許可されるデルタステップの最大値。正の整数が使用されている場合、更新はより保守的になります。推奨されるオプションは、ロジスティック回帰での使用です。更新を制御しやすくするには、1 ～ 10 に設定します。 **オプション** 有効な値: 整数。範囲: [0,∞)。 デフォルト値: 0  | 
| max\$1depth |  ツリーの最大深度。この値を増やすとモデルがより複雑になり、過剰適合が発生しやすくなります。0 は無制限を示します。上限は `grow_policy` = `depth-wise` の場合に必須です。 **オプション** 有効な値: 整数。範囲: [0,∞) デフォルト値: 6  | 
| max\$1leaves |  追加されるノードの最大数。`grow_policy` が `lossguide` に設定されている場合にのみ関連します。 **オプション** 有効な値: 整数。 デフォルト値: 0  | 
| min\$1child\$1weight |  子に必要とされるインスタンスの重み (ヘッセ) の合計の最小値。ツリーのパーティション分割ステップにより、リーフノードのインスタンスの重みの合計が `min_child_weight` を下回る場合、構築処理は追加のパーティション分割を行わなくなります。線形回帰モデルでは、これは単に各ノードに必要とされるインスタンスの最小数に対応します。アルゴリズムが大きいほど、より控えめになります。 **オプション** 有効な値: 浮動小数点数。範囲: [0,∞)。 デフォルト値： 1  | 
| monotone\$1constraints |  任意の特徴に単調性の制約を指定します。 **オプション** 有効な値: 整数のタプル。有効な整数: -1 (制約の緩和)、0 (制約なし)、1 (制約の強化)。 (0, 1) など: 最初の予測子は制約なし、2 番目の予測子は制約の強化です。(-1、1): 最初の予測子は制約の緩和、2 番目の予測子は制約の強化です。 デフォルト値: (0, 0)  | 
| normalize\$1type |  正規化アルゴリズムの種類。 **オプション** 有効な値: *tree* または *forest* のいずれか。 デフォルト値: *tree*  | 
| nthread |  *xgboost* の実行に使用される並列スレッドの数。 **オプション** 有効な値: 整数。 デフォルト値: スレッドの最大数。  | 
| objective |  学習タスクと対応する学習目標を指定します。例: `reg:logistic`、`multi:softmax`、`reg:squarederror`。有効な入力の完全なリストについては、「[XGBoost Learning Task Parameters」(XGBoost パラメータ](https://github.com/dmlc/xgboost/blob/master/doc/parameter.rst#learning-task-parameters)) を参照してください。 **オプション** 有効な値: 文字列 デフォルト値: `"reg:squarederror"`  | 
| one\$1drop |  このフラグを有効にすると、ドロップアウト中に常に 1 つ以上のツリーがドロップされます。 **オプション** 有効な値: 0 または 1 デフォルト値: 0  | 
| process\$1type |  実行するブースティング処理の種類。 **オプション** 有効な値： 文字列。`"default"` または `"update"` です。 デフォルト値: `"default"`  | 
| rate\$1drop |  ドロップアウト中にドロップする、前のツリーの割合を指定するドロップアウト率。 **オプション** 有効な値: 浮動小数点数。範囲: [0.0, 1.0]。 デフォルト値: 0.0  | 
| refresh\$1leaf |  これは、'更新' アップデータープラグインのパラメータです。`true` (1) に設定すると、ツリーのリーフとツリーノードの統計情報が更新されます。`false` (0) に設定すると、ツリーノードの統計情報のみが更新されます。 **オプション** 有効な値: 0/1 デフォルト値： 1  | 
| sample\$1type |  サンプリングアルゴリズムの種類。 **オプション** 有効な値: `uniform` または `weighted`。 デフォルト値: `uniform`  | 
| scale\$1pos\$1weight |  正の重みと負の重みの均衡を制御します。不均衡なクラスに役立ちます。検討する一般的な値 :`sum(negative cases)` / `sum(positive cases)`。 **オプション** 有効な値: 浮動小数点数 デフォルト値： 1  | 
| seed |  乱数シード。 **オプション** 有効な値: 整数 デフォルト値: 0  | 
| single\$1precision\$1histogram |  このフラグが有効になっている場合、XGBoost は倍精度ではなく単精度を使用してヒストグラムを作成します。`tree_method` が `hist` または `gpu_hist` に設定されている場合にのみ使用されます。 有効な入力の完全なリストについては、[XGBoost Parameters (XGBoost パラメータ)](https://github.com/dmlc/xgboost/blob/master/doc/parameter.rst) を参照してください。 **オプション** 有効な値： 文字列。範囲: `"true"` または `"false"` デフォルト値: `"false"`  | 
| sketch\$1eps |  近似貪欲アルゴリズムでのみ使用されます。これは、O(1 / `sketch_eps`) 個のビンに換算します。ビンの数を直接選択することと比較して、これはスケッチの精度により理論的に保証されます。 **オプション** 有効な値: 浮動小数点: [0, 1]。 デフォルト値: 0.03  | 
| skip\$1drop |  ブースティングの反復中にドロップアウト手順をスキップする確率。 **オプション** 有効な値: 浮動小数点数。範囲: [0.0, 1.0]。 デフォルト値: 0.0  | 
| subsample |  トレーニングインスタンスのサブサンプル率。0.5 に設定すると、XGBoost はツリーの成長にデータインスタンスの半分をランダムに収集します。これにより、過剰適合を防ぎます。 **オプション** 有効な値: 浮動小数点数。範囲: [0,1]。 デフォルト値： 1  | 
| tree\$1method |  XGBoost で使用されるツリー構造アルゴリズム。 **オプション** 有効な値: `auto`、`exact`、`approx`、`hist`、`gpu_hist` のいずれか。 デフォルト値: `auto`  | 
| tweedie\$1variance\$1power |  Tweedie 分布の分散を制御するパラメータ。 **オプション** 有効な値: 浮動小数点数。範囲: (1, 2)。 デフォルト値: 1.5  | 
| updater |  ツリーアップデーターが実行される順序を定義するカンマ区切りの文字列。これにより、モジュール式にツリーを構築および修正できます。 有効な入力の完全なリストについては、[XGBoost Parameters (XGBoost パラメータ)](https://github.com/dmlc/xgboost/blob/master/doc/parameter.rst) を参照してください。 **オプション** 有効な値: カンマ区切りの文字列。 デフォルト値: `grow_colmaker`、prune  | 
| use\$1dask\$1gpu\$1training |  Dask で分散 GPU トレーニングを実行する場合は `use_dask_gpu_training` を `"true"` に設定します。Dask GPU トレーニングはバージョン 1.5-1 以降でのみサポートされています。1.5-1 より前のバージョンでは、この値を `"true"` に設定しないでください。詳細については、「[分散 GPU トレーニング](xgboost.md#Instance-XGBoost-distributed-training-gpu)」を参照してください。 **オプション** 有効な値： 文字列。範囲: `"true"` または `"false"` デフォルト値: `"false"`  | 
| verbosity | メッセージ出力の詳細レベル。 有効な値: 0 (サイレント)、1 (警告)、2 (情報)、3 (デバッグ)。 **オプション** デフォルト値： 1  |