RCF-Hyperparameter - Amazon SageMaker

Die vorliegende Übersetzung wurde maschinell erstellt. Im Falle eines Konflikts oder eines Widerspruchs zwischen dieser übersetzten Fassung und der englischen Fassung (einschließlich infolge von Verzögerungen bei der Übersetzung) ist die englische Fassung maßgeblich.

RCF-Hyperparameter

In der Anforderung CreateTrainingJob geben Sie den Schulungsalgorithmus an. Sie können außerdem algorithmusspezifische Hyperparameter als Zeichenfolge-zu-Zeichenfolge-Zuweisungen angeben. In der folgenden Tabelle werden die Hyperparameter für Amazon aufgeführt SageMaker RCF-Algorithmus. Weitere Informationen sowie Empfehlungen zur Auswahl der Hyperparameter finden Sie unter Funktionsweise von RCF.

Parametername Beschreibung
feature_dim

Die Anzahl der Funktionen im Dataset. (Wenn Sie den Estimator Random Cut Forest verwenden, wird dieser Wert für Sie berechnet und muss nicht angegeben werden.)

Erforderlich

Zulässige Werte: Positive Ganzzahl (min: 1, max: 10000)

eval_metrics

Eine Liste der zur Bewertung eines gekennzeichneten Testdatasets verwendeten Metriken. Folgende Metriken können für das Ergebnis ausgewählt werden:

  • accuracy – gibt den Bruchteil richtiger Prognosen zurück.

  • precision_recall_fscore – gibt positive und negative Präzision, Rückruf und F1-Bewertungen zurück.

Optional

Gültige Werte: Liste mit möglichen Werten aus accuracy oder precision_recall_fscore.

Standardwert: beidesaccuracy,precision_recall_fscorewerden berechnet.

num_samples_per_tree

Anzahl der zufälligen Stichproben für jede einzelne Struktur aus dem Schulungsdataset.

Optional

Zulässige Werte: Positive Ganzzahl (min: 1, max: 2048)

Standardwert: 256

num_trees

Anzahl der Einzelstrukturen in der Gesamtstruktur.

Optional

Zulässige Werte: Positive Ganzzahl (min: 50, max: 1000)

Standardwert: 100