Régler un BlazingText modèle

Le réglage de modèle automatique, ou réglage d'hyperparamètre, détecte la meilleure version d'un modèle en exécutant plusieurs tâches qui testent une plage d'hyperparamètres sur votre jeu de données. Vous choisissez les hyperparamètres réglables, une plage de valeurs pour chacun d'eux et une métrique d'objectif. Vous choisissez la métrique d'objectif parmi les métriques que calcule l'algorithme. Le réglage de modèle automatique recherche parmi les hyperparamètres choisis la combinaison de valeurs qui produira un modèle permettant d'optimiser la métrique d'objectif.

Pour plus d'informations sur le réglage de modèle, consultez Effectuez le réglage automatique du modèle avec SageMaker.

Métriques calculées par l' BlazingTextalgorithme

L'algorithme BlazingText Word2Vec (skipgram,cbow, et batch_skipgram modes) rend compte d'une seule métrique pendant l'entraînement :. train:mean_rho Cette métrique est calculée sur les ensembles de données de similarité lexicale de WS-353. Utilisez cette métrique comme objectif lors du réglage des valeurs d'hyperparamètres pour l'algorithme Word2vec.

L'algorithme de classification de BlazingText texte (supervisedmode) rend également compte d'une seule métrique pendant l'entraînement : levalidation:accuracy. Utilisez ces métriques comme objectif lors du réglage des valeurs d'hyperparamètres pour l'algorithme de classification textuelle.

Nom de la métrique	Description	Orientation de l'optimisation
train:mean_rho	Corrélation (rhô) moyenne (coefficient de corrélation de Spearman) pour les ensembles de données de similarité lexicale de WS-353.	Agrandir
validation:accuracy	Précision de la classification pour l'ensemble de données de validation spécifié par l'utilisateur	Agrandir

Hyperparamètres réglables BlazingText

Hyperparamètres réglables pour l'algorithme Word2vec

Réglez un modèle Amazon SageMaker BlazingText Word2Vec avec les hyperparamètres suivants. Les hyperparamètres ayant le plus grand impact sur les métriques d'objectif Word2vec sont les suivants : mode, learning_rate, window_size, vector_dim et negative_samples.

Nom du paramètre	Type de paramètre	Plages ou valeurs recommandées
batch_size	IntegerParameterRange	[8-32]
epochs	IntegerParameterRange	[5-15]
learning_rate	ContinuousParameterRange	MinValue: 0,005, MaxValue 0,01
min_count	IntegerParameterRange	[0-100]
mode	CategoricalParameterRange	['batch_skipgram', 'skipgram', 'cbow']
negative_samples	IntegerParameterRange	[5-25]
sampling_threshold	ContinuousParameterRange	MinValue: 0,0001, MaxValue : 0,001
vector_dim	IntegerParameterRange	[32-300]
window_size	IntegerParameterRange	[1-10]

Hyperparamètres réglables pour l'algorithme de classification textuelle

Réglez un modèle de classification de SageMaker BlazingText texte Amazon avec les hyperparamètres suivants.

Nom du paramètre	Type de paramètre	Plages ou valeurs recommandées
buckets	IntegerParameterRange	[1 000 000-10 000 000]
epochs	IntegerParameterRange	[5-15]
learning_rate	ContinuousParameterRange	MinValue: 0,005, MaxValue 0,01
min_count	IntegerParameterRange	[0-100]
vector_dim	IntegerParameterRange	[32-300]
word_ngrams	IntegerParameterRange	[1-3]