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

# RCF 하이퍼파라미터
<a name="rcf_hyperparameters"></a>

[https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_CreateTrainingJob.html](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_CreateTrainingJob.html) 요청에서 훈련 알고리즘을 지정합니다. 알고리즘별 하이퍼파라미터를 문자열-문자열 맵으로 지정할 수 있습니다. 다음 표에는 Amazon SageMaker AI RCF 알고리즘에 대한 하이퍼파라미터가 나열되어 있습니다. 하이퍼파라미터를 선택하는 방법에 대한 권장 사항을 포함한 자세한 정보는 [RCF 작동 방식](rcf_how-it-works.md) 섹션을 참조하세요.




| 파라미터 이름 | 설명 | 
| --- | --- | 
| feature\$1dim |  데이터세트 내 특징 수. [Random Cut Forest](https://sagemaker.readthedocs.io/en/stable/algorithms/unsupervised/randomcutforest.html) 예측기를 사용하는 경우 이 값은 자동으로 계산되므로 지정할 필요가 없습니다. **필수** 유효한 값: 양의 정수(최소: 1, 최대 10000)  | 
| eval\$1metrics |  레이블 지정된 테스트 데이터세트의 점수를 매기는 데 사용되는 지표의 목록. 다음 지표는 출력에 대해 선택할 수 있습니다. [\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/ko_kr/sagemaker/latest/dg/rcf_hyperparameters.html) **선택 사항** 유효한 값: `accuracy` 또는 `precision_recall_fscore`에서 가져온 가능한 값을 포함한 목록. 기본값: `accuracy`, `precision_recall_fscore` 둘 다 계산됩니다.  | 
| num\$1samples\$1per\$1tree |  훈련 데이터세트에서 각 트리에 제공되는 임의 샘플의 수. **선택 사항** 유효한 값: 양의 정수(최소: 1, 최대 2048) 기본값: 256  | 
| num\$1trees |  포레스트에 있는 트리의 수. **선택 사항** 유효한 값: 양의 정수(최소: 50, 최대 1000) 기본 값: 100  |