K 平均數超參數

在 CreateTrainingJob 請求中，請指定您想要使用的訓練演算法。您也可以將演算法特定的超參數指定為 map。 string-to-string 下表列出 Amazon 提供的 k 均值訓練演算法的超參數。 SageMaker如需 K 平均數如何建立叢集的詳細資訊，請參閱K 平均數叢集的運作方式。

參數名稱	描述
feature_dim	輸入資料中的特徵數量。 必要 有效值：正整數
k	所需叢集的數目。 必要 有效值：正整數
epochs	經由訓練資料傳遞完成的次數。 選用 有效值：正整數 預設值：1
eval_metrics	用於報告模型分數的指標類型 JSON 清單。允許的值為用於均方偏差的 msd 和用於平方距離總和的 ssd。如果提供測試資料，則針對每個請求的指標回報分數。 選用 有效值：[\"msd\"] 或 [\"ssd\"] 或 [\"msd\",\"ssd\"]。 預設值：[\"msd\"]
extra_center_factor	此演算法會在執行時建立 K 個中心 = num_clusters * extra_center_factor，並在完成模型時將中心的數量從 K 縮減至 k。 選用 有效值：正整數或 auto。 預設值：auto
half_life_time_size	在計算叢集平均值時用以判斷提供給觀察項的權重。此權重也會隨著觀察到更多點，呈指數衰減。當首先觀察到點時，它會在計算叢集平均值時獲指派權數 1。針對指數衰減函式選擇衰減不變，以便在觀察 half_life_time_size 個點後，其權重為 1/2。若設為 0，則不會衰減。 選用 有效值：非負整數 預設值：0
init_method	演算法選擇初始叢集中心的方法。標準 k 平均值方法會隨機選擇它們。其他 k 平均值++ 方法隨機選擇第一個叢集中心。然後，依與現有中心剩餘資料點的距離平方呈成比的機率分布，按比例選取中心，散布剩餘初始叢集的位置。 選用 有效值：random 或 kmeans++。 預設值：random
local_lloyd_init_method	用來建置包含 k 個中心之最終模型的 Lloyd 最大期望 (EM) 程序初始化方法。 選用 有效值：random 或 kmeans++。 預設值：kmeans++
local_lloyd_max_iter	用來建置包含 k 個中心之最終模型的 Lloyd 最大期望 (EM) 程序疊代運算次數上限。 選用 有效值：正整數 預設值：300
local_lloyd_num_trials	損失最少之 Lloyd 最大期望 (EM) 程序的次數，是在建置包含 k 個中心的最終模型時執行。 選用 有效值：正整數或 auto。 預設值：auto
local_lloyd_tol	用來建置包含 k 個中心之最終模型以提早停止 Lloyd 最大期望 (EM) 程序的損失變更容錯能力。 選用 有效值：浮點數。範圍在 [0, 1] 之間。 預設值：0.0001
mini_batch_size	資料反覆運算器每個微型批次的觀察項數量。 選用 有效值：正整數 預設值：5000