本文為英文版的機器翻譯版本，如內容有任何歧義或不一致之處，概以英文版為準。
下表列出您可以為 Amazon SageMaker AI k 近鄰 (k-NN) 演算法設定的超參數。
| 參數名稱 | 描述 |
|---|---|
feature_dim |
輸入資料中的特徵數量。 必要 有效值：正整數。 |
k |
近鄰的數量。 必要 有效值：正整數 |
predictor_type |
用於資料標籤的推論類型。 必要 有效值：用於分類的分類器或用於迴歸的迴歸器。 |
sample_size |
要從訓練資料集抽樣的資料點數量。 必要 有效值：正整數 |
dimension_reduction_target |
降低目標的目標維度。 當您指定 有效值：大於 0 且小於 |
dimension_reduction_type |
降維方法的類型。 選用 有效值：適用於隨機投影的 sign 或適用於快速 Johnson-Lindenstrauss 轉換的 fjlt。 預設值：不降維 |
faiss_index_ivf_nlists |
當 選用 有效值：正整數 預設值：auto，會解析為 |
faiss_index_pq_m |
當 FaceBook AI 相似性搜尋 (FAISS) 程式庫需要 選用 有效值：下列正整數之一：1、2、3、4、8、12、16、20、24、28、32、40、48、56、64、96 |
index_metric |
尋找近鄰時，測量點與點間距離的指標。以 選用 有效值：L2 用於歐幾里德距離，INNER_PRODUCT 用於內部產品距離，COSINE 用於餘弦相似度。 預設值：L2 |
index_type |
索引的類型。 選用 有效值：faiss.Flat、faiss.IVFFlat、faiss.IVFPQ。 預設值：faiss.Flat |
mini_batch_size |
資料反覆運算器每個微型批次的觀察項數量。 選用 有效值：正整數 預設值：5000 |
