本文属于机器翻译版本。若本译文内容与英语原文存在差异，则一律以英文原文为准。
BlazingText 超参数
在使用 CreateTrainingJob 请求开始训练作业时，可指定训练算法。您也可以将特定于算法的超参数指定为地图。 string-to-string BlazingText 算法的超参数取决于您使用的模式：Word2Vec（无监督）和文本分类（监督）。
Word2Vec 超参数
下表列出了亚马逊提供的 BlazingText Word2Vec 训练算法的超参数。 SageMaker
| 参数名称 | 描述 |
|---|---|
mode |
用于训练的 Word2vec 架构。 必填 有效值： |
batch_size |
在 可选 有效值：正整数 默认值：11 |
buckets |
要用于子词的哈希存储桶的数量。 可选 有效值：正整数 默认值：2000000 |
epochs |
传递训练数据的次数。 可选 有效值：正整数 默认值：5 |
evaluation |
是否使用 WordSimilarity-353 可选 有效值：（布尔值） 默认值： |
learning_rate |
用于参数更新的步长大小。 可选 有效值：正浮点数 默认值：0.05 |
min_char |
要用于子词/支付 n-grams 的字符的最小数目。 可选 有效值：正整数 默认值：3 |
min_count |
出现少于 可选 有效值：非负整数 默认值：5 |
max_char |
要用于子词/支付 n-grams 的字符的最大数目 可选 有效值：正整数 默认值：6 |
negative_samples |
负采样共享策略的负采样数。 可选 有效值：正整数 默认值：5 |
sampling_threshold |
单词出现次数的阈值。对训练数据中出现频率较高的单词进行随机下采样。 可选 有效值：正分数。建议的范围为 (0, 1e-3] 默认值：0.0001 |
subwords |
是否学习子词嵌入。 可选 有效值：（布尔值） 默认值： |
vector_dim |
该算法学习的单词向量的维度。 可选 有效值：正整数 默认值：100 |
window_size |
上下文窗口的大小。上下文窗口是用于训练的目标单词周围的单词数。 可选 有效值：正整数 默认值：5 |
文本分类超参数
下表列出了 Amazon SageMaker 提供的文本分类训练算法的超参数。
注意
虽然文本分类模式和 Word2Vec 模式之间的某些参数很常见，但根据上下文的不同，它们可能有不同的含义。
| 参数名称 | 描述 |
|---|---|
mode |
训练模式。 必填 有效值： |
buckets |
要用于单词 n-grams 的哈希存储桶的数量。 可选 有效值：正整数 默认值：2000000 |
early_stopping |
是否在验证准确率在 可选 有效值：（布尔值） 默认值： |
epochs |
完成传递训练数据的最大次数。 可选 有效值：正整数 默认值：5 |
learning_rate |
用于参数更新的步长大小。 可选 有效值：正浮点数 默认值：0.05 |
min_count |
出现少于 可选 有效值：非负整数 默认值：5 |
min_epochs |
调用提前停止逻辑之前训练的最小纪元数。 可选 有效值：正整数 默认值：5 |
patience |
当验证集没有任何进展时，在应用提前停止之前等待的纪元数。仅当 可选 有效值：正整数 默认值：4 |
vector_dim |
嵌入层的维度。 可选 有效值：正整数 默认值：100 |
word_ngrams |
要使用的单词 n-gram 特征的数量。 可选 有效值：正整数 默认值：2 |
