RCF 하이퍼파라미터 - Amazon SageMaker AI

기계 번역으로 제공되는 번역입니다. 제공된 번역과 원본 영어의 내용이 상충하는 경우에는 영어 버전이 우선합니다.

RCF 하이퍼파라미터

CreateTrainingJob 요청에서 훈련 알고리즘을 지정합니다. 알고리즘별 하이퍼파라미터를 맵으로 string-to-string 지정할 수도 있습니다. 다음 표에는 Amazon SageMaker AI RCF 알고리즘의 하이퍼파라미터가 나열되어 있습니다. 하이퍼파라미터를 선택하는 방법에 대한 권장 사항을 포함한 자세한 정보는 RCF 작동 방식 섹션을 참조하세요.

파라미터 이름 설명
feature_dim

데이터세트 내 특징 수. Random Cut Forest 예측기를 사용하는 경우 이 값은 자동으로 계산되므로 지정할 필요가 없습니다.

필수

유효한 값: 양의 정수(최소: 1, 최대 10000)
eval_metrics

레이블 지정된 테스트 데이터세트의 점수를 매기는 데 사용되는 지표의 목록. 다음 지표는 출력에 대해 선택할 수 있습니다.

  • accuracy - 올바른 예측의 비율을 반환합니다.

  • precision_recall_fscore - positive 및 negative precision, recall, F1-scores를 반환합니다.

선택 사항

유효한 값: accuracy 또는 precision_recall_fscore에서 가져온 가능한 값을 포함한 목록.

기본값: accuracy, precision_recall_fscore 둘 다 계산됩니다.
num_samples_per_tree

훈련 데이터세트에서 각 트리에 제공되는 임의 샘플의 수.

선택 사항

유효한 값: 양의 정수(최소: 1, 최대 2048)

기본값: 256
num_trees

포레스트에 있는 트리의 수.

선택 사항

유효한 값: 양의 정수(최소: 50, 최대 1000)

기본 값: 100