Hiperparâmetros do RCF

Na solicitação CreateTrainingJob, é especificado o algoritmo de treinamento. Você também pode especificar hiperparâmetros específicos do algoritmo como mapas. string-to-string A tabela a seguir lista os hiperparâmetros do algoritmo Amazon SageMaker AI RCF. Para obter mais informações, incluindo recomendações sobre como escolher hiperparâmetros, consulte Como o RCF funciona.

Nome do parâmetro	Descrição
feature_dim	O número de atributos no conjunto de dados. (Se você usar o estimador de Random Cut Forest, esse valor será calculado para você e não precisará ser especificado.) Obrigatório Valores válidos: inteiro positivo (mínimo: 1; máximo: 10000)
eval_metrics	Uma lista de métricas usadas para pontuar um conjunto de dados de teste rotulado. As métricas a seguir podem ser selecionadas para o resultado: accuracy: retorna a fração de predições corretas. precision_recall_fscore: retorna as exatidões positiva e negativa, o recall e as pontuações F1. Opcional Valores válidos: uma lista com valores possíveis extraídos de accuracy ou precision_recall_fscore. Valor padrão: accuracy e precision_recall_fscore são calculados.
num_samples_per_tree	Número de amostras aleatórias atribuídos a cada árvore do conjunto de dados de treinamento. Opcional Valores válidos: inteiro positivo (mínimo: 1; máximo: 2048) Valor padrão: 256
num_trees	Número de árvores na floresta. Opcional Valores válidos: inteiro positivo (mínimo: 50; máximo: 1000) Valor padrão: 100