Ajustar um modelo de Máquinas de fatoração

As traduções são geradas por tradução automática. Em caso de conflito entre o conteúdo da tradução e da versão original em inglês, a versão em inglês prevalecerá.

As traduções são geradas por tradução automática. Em caso de conflito entre o conteúdo da tradução e da versão original em inglês, a versão em inglês prevalecerá.

O ajuste automático de modelos, também conhecido como ajuste de hiperparâmetros, localiza a melhor versão de um modelo executando vários trabalhos que testam uma série de hiperparâmetros no seu conjunto de dados. Você escolhe os hiperparâmetros ajustáveis, um intervalo de valores para cada um e uma métrica objetiva. Você escolhe a métrica objetiva entre as métricas que o algoritmo calcula. O ajuste de modelo automático pesquisa os hiperparâmetros escolhidos para encontrar a combinação de valores que resultam no modelo que otimiza a métrica objetiva.

Para mais informações sobre o ajuste de modelos, consulte Ajuste automático do modelo com SageMaker IA.

Métricas calculadas pelo algoritmo de Máquinas de fatoração

O algoritmo de máquinas de fatoração tem tipos de preditor de classificação binária e regressão binária. O tipo de preditor determina qual métrica você pode usar para o ajuste automático do modelo. O algoritmo relata uma métrica de regressor test:rmse, que é calculada durante o treinamento. Ao ajustar o modelo para tarefas de regressão, escolha essa métrica como a métrica objetiva.

O algoritmo de máquinas de fatoração relata três métricas de classificação binária, que são calculadas durante o treinamento. Ao ajustar o modelo para tarefas de classificação binária, escolha um deles como o objetivo.

Hiperparâmetros ajustáveis de Máquinas de fatoração

Você pode ajustar os seguintes hiperparâmetros para o algoritmo de máquinas de fatoração: Os parâmetros de inicialização que contêm a polarização de termos, linear e fatoração dependem do método de inicialização. Existem três métodos de inicialização: uniform, normal e constant. Esses métodos de inicialização não são ajustáveis. Os parâmetros ajustáveis dependem dessa opção do método de inicialização. Por exemplo, se o método de inicialização for uniform, somente os parâmetros scale serão ajustáveis. Especificamente, se bias_init_method==uniform, então bias_init_scale, linear_init_scale e factors_init_scale serão ajustáveis. Da mesma forma, se o método de inicialização for normal, somente sigma parâmetros serão ajustáveis. Se o método de inicialização for constant, somente os parâmetros value serão ajustáveis. Essas dependências estão listadas na tabela a seguir.