k-NN モデルの調整

Amazon SageMaker K 最近傍アルゴリズムは教師ありアルゴリズムです。このアルゴリズムはテストデータセットを消費し、分類タスクの精度または回帰タスクの平均二乗誤差に関するメトリクスを出力します。これらの精度メトリクスは、それぞれのタスクについてのモデル予測を経験的テストデータによって提供されるグランドトゥルースと比較します。テストデータセットで最高の精度または最低の誤差を報告する最善のモデルを見つけるには、k-NN のハイパーパラメータ調整ジョブを実行します。

自動モデル調整は、ハイパーパラメータ調整とも呼ばれ、データセットのさまざまなハイパーパラメータをテストする多数のジョブを実行して、モデルの最適なバージョンを見つけます。調整可能なハイパーパラメータ、それぞれの値の範囲、および目標メトリクスを選択します。アルゴリズムの予測タスクに適した目標メトリクスを選択します。自動モデル調整は、選択されたハイパーパラメータを検索して、目標メトリクスを最適化するモデルになる値の組み合わせを見つけます。ハイパーパラメータは、モデルパラメータの推定を支援する目的でのみ使用され、予測を行うためにトレーニングされたモデルでは使用されません。

モデル調整の詳細については、「で自動モデルチューニングを実行する SageMaker」を参照してください。

k-NN アルゴリズムによって計算されたメトリクス

k 最近傍アルゴリズムは、predictor_type ハイパーパラメータで指定されたタスクのタイプに応じて、トレーニング中に次の表の 2 つのメトリクスのいずれかを計算します。

• classifier は分類タスクを指定し、test:accuracy を計算します。

• regressor は回帰タスクを指定し、test:mse を計算します。

モデルを調整するときに、関連する目標メトリクスを計算するために実行されるタスクのタイプに適した predictor_type 値を選択してください。

メトリクス名	説明	最適化の方向
test:accuracy	predictor_type が classifier に設定されている場合、k-NN は、K 最近傍のラベルの平均に基づいて予測されたラベルを、テストチャネルデータで提供されたグランドトゥルースラベルと比較します。報告される精度は、0.0 (0%) ～ 1.0 (100%) の範囲です。	最大化
test:mse	predictor_type が regressor に設定されている場合、k-NN は、K 最近傍のラベルの平均に基づいて予測されたラベルを、テストチャネルデータで提供されたグランドトゥルースラベルと比較します。平均二乗誤差は、2 つのラベルを比較することによって計算されます。	最小化

調整可能な k-NN ハイパーパラメータ

次のハイパーパラメータを使用して、Amazon SageMaker K 最近傍モデルを調整します。

Parameter Name	パラメータタイプ	推奨範囲
k	IntegerParameterRanges	MinValue: 1、 MaxValue: 1024
sample_size	IntegerParameterRanges	MinValue: 256、 MaxValue: 20000000