RCF-Hyperparameter

In der Anforderung CreateTrainingJob geben Sie den Trainingsalgorithmus an. Sie können auch algorithmusspezifische Hyperparameter als Maps angeben. string-to-string In der folgenden Tabelle sind die Hyperparameter für den Amazon SageMaker RCF-Algorithmus aufgeführt. Weitere Informationen sowie Empfehlungen zur Auswahl der Hyperparameter finden Sie unter Funktionsweise von RCF.

Name des Parameters	Beschreibung
feature_dim	Die Anzahl der Funktionen im Datensatz. (Wenn Sie den Estimator Random Cut Forest verwenden, wird dieser Wert für Sie berechnet und muss nicht angegeben werden.) Erforderlich Gültige Werte: Positive Ganzzahl (min: 1, max: 10000)
eval_metrics	Eine Liste der zur Bewertung eines gekennzeichneten Testdatensatzes 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: accuracy und precision_recall_fscore werden beide berechnet.
num_samples_per_tree	Anzahl der zufälligen Stichproben für jede einzelne Struktur aus dem Trainingsdatensatz. Optional Gültige Werte: Positive Ganzzahl (min: 1, max: 2048) Standardwert: 256
num_trees	Anzahl der Einzelstrukturen in der Gesamtstruktur. Optional Gültige Werte: Positive Ganzzahl (min: 50, max: 1000) Standardwert: 100