Les traductions sont fournies par des outils de traduction automatique. En cas de conflit entre le contenu d'une traduction et celui de la version originale en anglais, la version anglaise prévaudra.
Réglage d'un modèle IP Insights
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 ensemble 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'algorithme IP Insights
L'algorithme Amazon SageMaker IP Insights est un algorithme d'apprentissage non supervisé qui apprend les associations entre les adresses IP et les entités. L'algorithme entraîne un modèle discriminateur, qui apprend à séparer les points de données observés (échantillons positifs) à partir de points de données générés de façon aléatoire (échantillons négatifs). Le réglage de modèle automatique de l'algorithme IP Insights permet de rechercher le modèle capable de distinguer de la manière la plus précise possible les données de validation non étiquetées et les échantillons négatifs générés automatiquement. La précision du modèle de l'ensemble de données de validation est mesurée d'après l'aire située sous la courbe ROC. Cette métrique validation:discriminator_auc
accepte des valeurs comprises entre 0 et 1, où 1 correspond à une précision parfaite.
L'algorithme IP Insights calcule une métrique validation:discriminator_auc
pendant la validation, dont la valeur est utilisée comme fonction objective à optimiser pour le réglage des hyperparamètres.
Nom de la métrique | Description | Orientation de l'optimisation |
---|---|---|
validation:discriminator_auc |
Aire située sous la courbe ROC sur l'ensemble de données de validation. L'ensemble de données de validation n'est pas étiqueté. La métrique AUC (aire située sous la courbe) décrit la capacité du modèle à distinguer les points de données de validation des points de données générés de façon aléatoire. |
Agrandir |
Hyperparamètres IP Insights réglables
Vous pouvez régler les hyperparamètres suivants pour l'algorithme SageMaker IP Insights.
Nom du paramètre | Type de paramètre | Plages recommandées |
---|---|---|
epochs |
IntegerParameterRange |
MinValue: 1, MaxValue 100 |
learning_rate |
ContinuousParameterRange |
MinValue: 1e-4, MaxValue : 0,1 |
mini_batch_size |
IntegerParameterRanges |
MinValue: 100, MaxValue 50 000 |
num_entity_vectors |
IntegerParameterRanges |
MinValue: 10000, MaxValue 1000000 |
num_ip_encoder_layers |
IntegerParameterRanges |
MinValue: 1, MaxValue 10 |
random_negative_sampling_rate |
IntegerParameterRanges |
MinValue: 0, MaxValue 10 |
shuffled_negative_sampling_rate |
IntegerParameterRanges |
MinValue: 0, MaxValue 10 |
vector_dim |
IntegerParameterRanges |
MinValue: 8, MaxValue 256 |
weight_decay |
ContinuousParameterRange |
MinValue: 0,0, MaxValue 1,0 |