Die vorliegende Übersetzung wurde maschinell erstellt. Im Falle eines Konflikts oder eines Widerspruchs zwischen dieser übersetzten Fassung und der englischen Fassung (einschließlich infolge von Verzögerungen bei der Übersetzung) ist die englische Fassung maßgeblich. # AutoGluon-Tabellarische Hyperparameter Die folgende Tabelle enthält die Teilmenge der Hyperparameter, die für den Amazon SageMaker AI AutoGluon -Tabular-Algorithmus erforderlich sind oder am häufigsten verwendet werden. Dies sind Parameter, die von Benutzern festgelegt werden, um die Schätzung der Modellparameter aus Daten zu erleichtern. [Der SageMaker AI AutoGluon -Tabular-Algorithmus ist eine Implementierung des Open-Source-Pakets -Tabular. AutoGluon](https://github.com/awslabs/autogluon) **Anmerkung** Die Standard-Hyperparameter basieren auf Beispieldatensätzen in der [AutoGluon-Tabellarische Beispielnotizbücher](autogluon-tabular.md#autogluon-tabular-sample-notebooks). Standardmäßig wählt der SageMaker AutoGluon AI-Tabular-Algorithmus automatisch eine Bewertungsmetrik aus, die auf der Art des Klassifizierungsproblems basiert. Der Algorithmus erkennt die Art des Klassifizierungsproblems basierend auf der Anzahl von Labels in Ihren Daten. Bei Regressionsproblemen ist die Bewertungsmetrik der quadratische Mittelwert des Fehlers. Bei binären Klassifikationsproblemen entspricht die Bewertungsmetrik der Fläche unter der Betriebskennlinie (AUC) des Empfängers. Bei Mehrklassen-Klassifizierungsproblemen ist Genauigkeit die Bewertungsmetrik. Sie können den `eval_metric` Hyperparameter verwenden, um die Standard-Bewertungsmetrik zu ändern. In der folgenden Tabelle finden Sie weitere Informationen zu AutoGluon -Tabular-Hyperparametern, einschließlich Beschreibungen, gültiger Werte und Standardwerte. | Name des Parameters | Description | | --- | --- | | eval\$1metric | Die Bewertungsmetrik für Validierungsdaten. Wenn `eval_metric` auf den Standardwert `"auto"` gesetzt ist, wählt der Algorithmus automatisch eine Bewertungsmetrik aus, die auf der Art des Klassifizierungsproblems basiert: [\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/de_de/sagemaker/latest/dg/autogluon-tabular-hyperparameters.html) Gültige Werte: Zeichenfolge, gültige Werte finden Sie in der [AutoGluon Dokumentation](https://auto.gluon.ai/stable/api/autogluon.tabular.TabularPredictor.html). Standardwert: `"auto"`. | | presets | Liste der voreingestellten Konfigurationen für verschiedene Argumente in `fit()`. [\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/de_de/sagemaker/latest/dg/autogluon-tabular-hyperparameters.html) Weitere Informationen finden Sie unter [AutoGluon Prädiktoren](https://auto.gluon.ai/stable/api/autogluon.tabular.TabularPredictor.html). Gültige Werte: Zeichenfolge, einer der folgenden Werte: (`"best_quality"`, `"high_quality"`, `good_quality"`, `"medium_quality"`, `"optimize_for_deployment"`,` or "interpretable"`). Standardwert: `"medium_quality"`. | | auto\$1stack | Ob zur Erhöhung der AutoGluon Vorhersagegenauigkeit automatisch Verpackungsmaterial und mehrlagiges Stack-Ensembling eingesetzt werden sollten. Setzen Sie `auto_stack` auf `"True"`, wenn Sie bereit sind, längere Trainingszeiten in Kauf zu nehmen, um die Vorhersagegenauigkeit zu maximieren. Dadurch werden die Argumente `num_bag_folds` und `num_stack_levels` automatisch auf der Grundlage der Datensatz-Eigenschaften festgelegt. Gültige Werte: Zeichenfolge, `"True"` oder `"False"`. Standardwert: `"False"`. | | num\$1bag\$1folds | Anzahl von beim Verpacken von Modellen verwendeten Falten. Wenn `num_bag_folds` gleich wie `k` ist, erhöht sich die Trainingszeit ungefähr um den Faktor von `k`. Auf 0 setzen `num_bag_folds`, um das Einpacken zu deaktivieren. Dies ist standardmäßig deaktiviert, wir empfehlen jedoch, Werte zwischen 5 und 10 zu verwenden, um die Prognoseleistung zu maximieren. Zunehmende `num_bag_folds` Ergebnisse bei Modellen mit geringerer Verzerrung, die jedoch anfälliger für Überanpassungen sind. Eins ist ein ungültiger Wert für diesen Parameter und führt zu einem `ValueError`. Werte größer als 10 können zu sinkenden Renditen führen und aufgrund einer zu hohen Anpassung sogar die Gesamtergebnisse beeinträchtigen. Um die Voraussagen weiter zu verbessern, vermeiden Sie es, `num_bag_folds` zu erhöhen, und erhöhen Sie stattdessen `num_bag_sets`. Gültige Werte: Zeichenfolge, eine beliebige Ganzzahl zwischen (und einschließlich) `"0"` und`"10"`. Standardwert: `"0"`. | | num\$1bag\$1sets | Anzahl von Wiederholungen von kfold bagging (Werte müssen größer als oder gleich 1 sein). Die Gesamtzahl der beim Einpacken trainierten Modelle ist gleich `num_bag_folds` \$1 `num_bag_sets`. Dieser Parameter ist standardmäßig auf eins voreingestellt, wenn `time_limit` nicht angegeben ist. Dieser Parameter ist deaktiviert, wenn `num_bag_folds` nicht angegeben ist. Werte, die größer als eins sind, führen zu einer besseren Vorhersageleistung, insbesondere bei kleineren Problemen und wenn Stacking aktiviert ist. Gültige Werte: Ganzzahl, Bereich: [`1`, `20`]. Standardwert: `1`. | | num\$1stack\$1levels | Anzahl von Stapelebenen, die im Stack-Ensemble verwendet werden sollen. Erhöht die Trainingszeit des Modells grob um den Faktor `num_stack_levels` \$1 1. Setzen Sie diesen Parameter auf 0, um das Stack-Ensembling zu deaktivieren. Dieser Parameter ist standardmäßig deaktiviert, wir empfehlen jedoch, Werte zwischen 1 und 3 zu verwenden, um die Vorhersageleistung zu maximieren. Um eine Überanpassung zu vermeiden, muss `ValueError`, `num_bag_folds` größer als oder gleich 2 sein. Gültige Werte: Float, Bereich: [`0`, `3`]. Standardwert: `0`. | | refit\$1full | Gibt an, ob alle Modelle nach dem normalen Trainingsverfahren anhand aller Daten (Training und Validierung) neu trainiert werden sollen oder nicht. [Weitere Informationen finden Sie unter Prädiktoren. AutoGluon ](https://auto.gluon.ai/stable/api/autogluon.tabular.TabularPredictor.html) Gültige Werte: Zeichenfolge, `"True"` oder `"False"`. Standardwert: `"False"`. | | set\$1best\$1to\$1refit\$1full | Ob das Standardmodell, das der Prädiktor für die Vorhersage verwendet, geändert werden soll oder nicht. Wenn `set_best_to_refit_full` auf `"True"` gesetzt ist, wird das Standardmodell auf das Modell umgestellt, das als Ergebnis der Neuanpassung (aktiviert von `refit_full`) den höchsten Validierungsscore aufwies. Nur gültig, wenn `refit_full` gesetzt ist. Gültige Werte: Zeichenfolge, `"True"` oder `"False"`. Standardwert: `"False"`. | | save\$1space | Angabe, ob die Speicher- und Festplattengröße des Predictors durch Löschen von Hilfsmodelldateien, die für die Voraussage neuer Daten nicht benötigt werden, reduziert werden soll. Dies hat keine Auswirkungen auf die Genauigkeit der Inferenz. Wir empfehlen die Einstellung `save_space` auf `"True"`, wenn das einzige Ziel darin besteht, das trainierte Modell für Voraussagen zu verwenden. Bestimmte erweiterte Funktionen sind möglicherweise nicht mehr verfügbar, wenn `save_space` auf `"True"`. eingestellt ist. Weitere Details finden Sie in der `[predictor.save\$1space()](https://auto.gluon.ai/stable/api/autogluon.tabular.TabularPredictor.save_space.html)` Dokumentation. Gültige Werte: Zeichenfolge, `"True"` oder `"False"`. Standardwert: `"False"`. | | verbosity | Die Ausführlichkeit der Druckmeldungen. `verbosity` Stufen reichen von `0` bis `4`, wobei höhere Stufen ausführlichere Druckanweisungen bedeuten. A `verbosity` von `0` unterdrückt Warnungen. Gültige Werte: Ganzzahl, einer der folgenden Werte: (`0`, `1`, `2`, `3`, oder `4`). Standardwert: `2`. |