RCF超参数 - Amazon SageMaker

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。

RCF超参数

在 CreateTrainingJob 请求中，您可以指定训练算法。您也可以将特定于算法的超参数指定为地图。 string-to-string下表列出了 Amazon SageMaker RCF 算法的超参数。有关更多信息，包括如何选择超参数的建议，请参阅 RCF工作原理。

参数名称 描述
feature_dim

数据集中的特征数。（如果使用 Random Cut Forest 评估程序，则会为您计算此值而无需指定。）

必填

有效值：正整数 (最小值：1，最大值：10000)
eval_metrics

用于对标记的测试数据集评分的指标列表。可以为输出选择以下指标：

  • accuracy- 返回正确预测的比例。

  • precision_recall_fscore - 返回正精度、负精度、召回率和 F1 分数。

可选

有效值：可能值列表，获取自 accuracy 或 precision_recall_fscore。

默认值：accuracy 和 precision_recall_fscore 都是计算值。
num_samples_per_tree

从训练数据集向每个树提供的随机样本数。

可选

有效值：正整数 (最小值：1，最大值：2048)

默认值：256
num_trees

森林中树的数量。

可选

有效值：正整数 (最小值：50，最大值：1000)

默认值：100