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。

調整RCF模型

自動模型調校，又稱為超參數調校或超參數最佳化，會透過在您的資料集上執行許多測試超參數範圍的任務，來尋找最佳版本的模型。您可以選擇可調校的超參數、每一個超參數的值範圍，及目標指標。您可以從演算法運算的指標中選擇目標指標。自動模型調校會搜尋所選擇的超參數，以找出產生之模型可最佳化目標指標的值組合。

Amazon SageMaker RCF 演算法是一種無監督的異常偵測演算法，需要標籤測試資料集才能進行超參數最佳化。RCF 計算測試資料點的異常分數，如果資料點的分數超過平均分數的三個標準差，則將資料點標記為異常。這又稱為三標準差限制試誤法 (three-sigma limit heuristic)。F1 分數是依據計算標籤和實際標籤之間的差異。超參數調校任務會尋找將該分數最大化的模型。超參數最佳化是否成功，取決於三標準差限制試誤法對測試資料集的適用性。

如需模型調校的詳細資訊，請參閱使用 自動模型調校 SageMaker。

RCF 演算法運算的指標

RCF 演算法會在訓練期間計算下列指標。調校模型時，請選擇此指標做為目標指標。

可調RCF超參數

您可以使用下列超參數來調整RCF模型。