Ajustar um modelo de Máquinas de fatoração

O ajuste automático de modelos, também conhecido como ajuste de hiperparâmetros, localiza a melhor versão de um modelo executando vários trabalhos que testam uma série de hiperparâmetros no seu conjunto de dados. Você escolhe os hiperparâmetros ajustáveis, um intervalo de valores para cada um e uma métrica objetiva. Você escolhe a métrica objetiva entre as métricas que o algoritmo calcula. O ajuste de modelo automático pesquisa os hiperparâmetros escolhidos para encontrar a combinação de valores que resultam no modelo que otimiza a métrica objetiva.

Para mais informações sobre o ajuste de modelos, consulte Execute o ajuste automático do modelo com SageMaker.

Métricas calculadas pelo algoritmo de Máquinas de fatoração

O algoritmo de máquinas de fatoração tem tipos de preditor de classificação binária e regressão binária. O tipo de preditor determina qual métrica você pode usar para o ajuste automático do modelo. O algoritmo relata uma métrica de regressor test:rmse, que é calculada durante o treinamento. Ao ajustar o modelo para tarefas de regressão, escolha essa métrica como a métrica objetiva.

Nome da métrica	Descrição	Direção de otimização
test:rmse	Erro quadrático médio da raiz	Minimizar

O algoritmo de máquinas de fatoração relata três métricas de classificação binária, que são calculadas durante o treinamento. Ao ajustar o modelo para tarefas de classificação binária, escolha um deles como o objetivo.

Nome da métrica	Descrição	Direção de otimização
test:binary_classification_accuracy	Precisão	Maximizar
test:binary_classification_cross_entropy	Entropia cruzada	Minimizar
test:binary_f_beta	Beta	Maximizar

Hiperparâmetros ajustáveis de Máquinas de fatoração

Você pode ajustar os seguintes hiperparâmetros para o algoritmo de máquinas de fatoração. Os parâmetros de inicialização que contêm a polarização de termos, linear e fatoração dependem do método de inicialização. Existem três métodos de inicialização: uniform, normal e constant. Esses métodos de inicialização não são ajustáveis. Os parâmetros ajustáveis dependem dessa opção do método de inicialização. Por exemplo, se o método de inicialização for uniform, somente os parâmetros scale serão ajustáveis. Especificamente, se bias_init_method==uniform, então bias_init_scale, linear_init_scale e factors_init_scale serão ajustáveis. Da mesma forma, se o método de inicialização for normal, somente sigma parâmetros serão ajustáveis. Se o método de inicialização for constant, somente os parâmetros value serão ajustáveis. Essas dependências estão listadas na tabela a seguir.

Nome do parâmetro	Tipo de parâmetro	Intervalos recomendados	Dependência
bias_init_scale	ContinuousParameterRange	MinValue: 1e-8, 512 MaxValue	bias_init_method==uniform
bias_init_sigma	ContinuousParameterRange	MinValue: 1e-8, 512 MaxValue	bias_init_method==normal
bias_init_value	ContinuousParameterRange	MinValue: 1e-8, 512 MaxValue	bias_init_method==constant
bias_lr	ContinuousParameterRange	MinValue: 1e-8, 512 MaxValue	Nenhum
bias_wd	ContinuousParameterRange	MinValue: 1e-8, 512 MaxValue	Nenhum
epoch	IntegerParameterRange	MinValue: 1, MaxValue 100	Nenhum
factors_init_scale	ContinuousParameterRange	MinValue: 1e-8, 512 MaxValue	bias_init_method==uniform
factors_init_sigma	ContinuousParameterRange	MinValue: 1e-8, 512 MaxValue	bias_init_method==normal
factors_init_value	ContinuousParameterRange	MinValue: 1e-8, 512 MaxValue	bias_init_method==constant
factors_lr	ContinuousParameterRange	MinValue: 1e-8, 512 MaxValue	Nenhum
factors_wd	ContinuousParameterRange	MinValue: 1e-8, MaxValue: 512]	Nenhum
linear_init_scale	ContinuousParameterRange	MinValue: 1e-8, 512 MaxValue	bias_init_method==uniform
linear_init_sigma	ContinuousParameterRange	MinValue: 1e-8, 512 MaxValue	bias_init_method==normal
linear_init_value	ContinuousParameterRange	MinValue: 1e-8, 512 MaxValue	bias_init_method==constant
linear_lr	ContinuousParameterRange	MinValue: 1e-8, 512 MaxValue	Nenhum
linear_wd	ContinuousParameterRange	MinValue: 1e-8, 512 MaxValue	Nenhum
mini_batch_size	IntegerParameterRange	MinValue: 100, MaxValue 1000	Nenhum