Hyperparamètres RCF

Dans la demande CreateTrainingJob, vous spécifiez l'algorithme d'entraînement. Vous pouvez aussi spécifier les hyperparamètres spécifiques à l'algorithme comme mappages chaîne/chaîne. Le tableau suivant répertorie les hyperparamètres de l'algorithme RCF d'Amazon SageMaker. Pour plus d'informations, y compris les recommandations sur la façon de choisir les hyperparamètres, consultez Fonctionnement de l'algorithme RCF.

Nom du paramètre	Description
feature_dim	Nombre de caractéristiques de l'ensemble de données. (Si vous utilisez l'évaluateur de Random Cut Forest, cette valeur est calculée automatiquement et vous n'avez pas besoin de la préciser.) Obligatoire Valeurs valides : entier positif (min : 1, max : 10 000)
eval_metrics	Liste des métriques utilisées pour évaluer un ensemble de données de test étiquetées. Les métriques suivantes peuvent être sélectionnées pour la sortie : accuracy – renvoie la fraction de prédictions correctes. precision_recall_fscore – renvoie la précision positive et négative, le rappel et les valeurs F1. Facultatif Valeurs valides : la liste des valeurs possibles extraites de accuracy ou precision_recall_fscore. Valeur par défaut : accuracy, precision_recall_fscore sont toutes deux calculées.
num_samples_per_tree	Nombre d'échantillons aléatoires donnés à chaque arbre de l'ensemble de données d'entraînement. Facultatif Valeurs valides : nombre entier positif (min : 1, max : 2048) Valeur par défaut : 256
num_trees	Nombre d'arbres dans la forêt. Facultatif Valeurs valides : nombre entier positif (min : 50, max : 1000) Valeur par défaut : 100