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
<a name="rcf_hyperparameters"></a>

在 [https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_CreateTrainingJob.html](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_CreateTrainingJob.html) 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 A SageMaker I 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](rcf_how-it-works.md)。




| 参数名称 | 说明 | 
| --- | --- | 
| feature\$1dim |  数据集中的特征数。（如果使用 [Random Cut Forest](https://sagemaker.readthedocs.io/en/stable/algorithms/unsupervised/randomcutforest.html) 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\$1metrics |  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： [\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/zh_cn/sagemaker/latest/dg/rcf_hyperparameters.html) **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\$1samples\$1per\$1tree |  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\$1trees |  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  |