Iperparametri k-NN

La tabella seguente elenca gli iperparametri che puoi impostare per l'algoritmo k-NN (k-NN) di Amazon SageMaker AI.

Nome parametro	Descrizione
feature_dim	Il numero di caratteristiche nei dati di input. Campo obbligatorio Valori validi: numeri interi positivi.
k	Il numero di neighbors più vicini. Campo obbligatorio Valori validi: numeri interi positivi
predictor_type	Il tipo di inferenza da utilizzare sulle etichette dei dati. Campo obbligatorio Valori validi: classifier per la classificazione o regressor per la regressione.
sample_size	Il numero di punti di dati da campionare dal set di dati di addestramento. Campo obbligatorio Valori validi: numeri interi positivi
dimension_reduction_target	La dimensione di target ridotta da impostare. Obbligatorio quando viene specificato il parametro dimension_reduction_type. Valori validi: numeri interi positivi maggiori di 0 e minori di feature_dim.
dimension_reduction_type	Il tipo di metodo di riduzione delle dimensioni. Opzionale Valori validi: sign per la proiezione casuale o fjlt per la trasformazione veloce Johnson-Lindenstrauss. Valore predefinito: nessuna riduzione della dimensione
faiss_index_ivf_nlists	Il numero di centroidi da costruire nell'indice quando è faiss. index_type IVFFlato Faiss.IVFPQ. Opzionale Valori validi: numeri interi positivi Valore predefinito: auto, che viene risolto in sqrt(sample_size).
faiss_index_pq_m	Il numero di sottocomponenti vettoriali da costruire nell'indice quando index_type è impostato su faiss.IVFPQ. La libreria FaceBook AI Similarity Search (FAISS) richiede che il valore di sia un divisore della dimensione dei faiss_index_pq_m dati. Se faiss_index_pq_m non è un divisore della dimensione dati, la dimensione dati viene aumentata al più piccolo intero divisibile per faiss_index_pq_m. Se non viene applicata nessuna riduzione di dimensione, l'algoritmo aggiunge un riempimento di zeri. Se viene applicata la riduzione di dimensione, l'algoritmo aumenta il valore dell'iperparametro dimension_reduction_target. Opzionale Valori validi: uno dei seguenti numeri interi positivi: 1, 2, 3, 4, 8, 12, 16, 20, 24, 28, 32, 40, 48, 56, 64, 96
index_metric	Il parametro per misurare la distanza tra i punti nella ricerca dei neighbors più vicini. Per l’addestramento con index_type impostato su faiss.IVFPQ, la distanza INNER_PRODUCT e la similarità COSINEnon sono supportate. Opzionale Valori validi: L2 per la distanza euclidea, INNER_PRODUCT per la distanza del prodotto interno, COSINE per la similarità del coseno. Valore predefinito: L2
index_type	Tipo di indice. Opzionale Valori validi: faiss.flat, faiss. IVFFlat, faiss.IVFPQ. Valore predefinito: faiss.Flat
mini_batch_size	Il numero di osservazioni per ogni mini batch per l'iterazione di dati. Opzionale Valori validi: numeri interi positivi Valore predefinito: 5000