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. # LightGBM-Hyperparameter Die folgende Tabelle enthält die Teilmenge der Hyperparameter, die für den Amazon SageMaker AI LightGBM-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 LightGBM-Algorithmus ist eine Implementierung des Open-Source-LightGBM-Pakets.](https://github.com/microsoft/LightGBM) **Anmerkung** Die Standard-Hyperparameter basieren auf Beispieldatensätzen in der [LightGBM-Beispiel-Notebooks](lightgbm.md#lightgbm-sample-notebooks). Standardmäßig wählt der SageMaker AI LightGBM-Algorithmus automatisch eine Bewertungsmetrik und eine Zielfunktion aus, die auf der Art des Klassifikationsproblems basieren. Der LightGBM-Algorithmus erkennt die Art des Klassifizierungsproblems anhand der Anzahl der Beschriftungen in Ihren Daten. Bei Regressionsproblemen ist die Bewertungsmetrik der quadratische Mittelwert des Fehlers und die Zielfunktion der L2-Verlust. Bei binären Klassifikationsproblemen entsprechen die Bewertungsmetrik und die Zielfunktion beide der binären Kreuzentropie. Bei Klassifikationsproblemen mit mehreren Klassen ist die Bewertungsmetrik die Mehrklassen-Kreuzentropie und die Zielfunktion Softmax. Sie können den `metric` Hyperparameter verwenden, um die Standard-Bewertungsmetrik zu ändern. In der folgenden Tabelle finden Sie weitere Informationen zu LightGBM-Hyperparametern, einschließlich Beschreibungen, gültiger Werte und Standardwerte. | Name des Parameters | Description | | --- | --- | | num\$1boost\$1round | Die maximale Anzahl von Booster-Iterationen. **Hinweis:** Intern erstellt LightGBM `num_class * num_boost_round` Bäume für Klassifikationsprobleme mit mehreren Klassen. Gültige Werte: Ganzzahl, Bereich: Positive Ganzzahl. Standardwert: `100`. | | early\$1stopping\$1rounds | Das Training wird beendet, wenn sich eine Metrik eines Validierungsdatenpunkts in der letzten `early_stopping_rounds` Runde nicht verbessert hat. Wenn `early_stopping_rounds` kleiner als oder gleich Null ist, wird dieser Hyperparameter ignoriert. Gültige Werte: Ganzzahl. Standardwert: `10`. | | metric | Evaluationsmetriken für die Datenvalidierung. Wenn `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/lightgbm-hyperparameters.html) Gültige Werte: String, einer der folgenden Werte: (`"auto"`, `"rmse"`, `"l1"`, `"l2"`, `"huber"`, `"fair"`, `"binary_logloss"`, `"binary_error"`, `"auc"`, `"average_precision"`, `"multi_logloss"`, `"multi_error"`, `"auc_mu"`, oder `"cross_entropy"`). Standardwert: `"auto"`. | | learning\$1rate | Die Geschwindigkeit, mit der die Modellgewichte aktualisiert werden, nachdem die einzelnen Trainingssbeispiele durchgearbeitet wurden. Gültige Werte: Float, Bereich: (`0.0`, `1.0`). Standardwert: `0.1`. | | num\$1leaves | Die maximale Anzahl von Blättern in einem Baum. Gültige Werte: Ganzzahl, Bereich: (`1`,`131072`). Standardwert: `64`. | | feature\$1fraction | Eine Teilmenge von Features, die bei jeder Iteration ausgewählt werden müssen (Baum). Muss kleiner als 1.0 sein. Gültige Werte: Float, Bereich: (`0.0`, `1.0`). Standardwert: `0.9`. | | bagging\$1fraction | Eine Teilmenge von Features, die einem Teil der Daten ähnlich sind zu `feature_fraction`, aber `bagging_fraction` ohne Resampling zufällig ausgewählt wird. Gültige Werte: Float, Bereich: (`0.0`, `1.0`]. Standardwert: `0.9`. | | bagging\$1freq | Die Häufigkeit, mit der das Einpacken durchgeführt wird. Bei jeder `bagging_freq` Iteration wählt LightGBM nach dem Zufallsprinzip einen Prozentsatz der Daten aus, die für die nächste `bagging_freq` Iteration verwendet werden sollen. Dieser Prozentsatz wird durch den `bagging_fraction` Hyperparameter bestimmt. Wenn `bagging_freq` der Wert Null ist, ist das Einpacken deaktiviert. Gültige Werte: Ganzzahl, Bereich: Nicht-negative ganze Zahl. Standardwert: `1`. | | max\$1depth | Die maximale Tiefe eines Baummodells. Dies wird verwendet, um Überanpassungen zu vermeiden, wenn die Datenmenge klein ist. Wenn `max_depth` kleiner oder gleich Null ist, bedeutet dies, dass es keine Grenze für die maximale Tiefe gibt. Gültige Werte: Ganzzahl. Standardwert: `6`. | | min\$1data\$1in\$1leaf | Die minimale Datenmenge in einem Blatt. Kann für Überanpassungen verwendet werden. Gültige Werte: Ganzzahl, Bereich: Nicht-negative ganze Zahl. Standardwert: `3`. | | max\$1delta\$1step | Wird verwendet, um die maximale Leistung von Baumblättern zu begrenzen. Wenn `max_delta_step` kleiner als oder gleich 0 ist, gibt es keine Einschränkung. Die endgültige maximale Leistung von Blättern beträgt `learning_rate * max_delta_step`. Gültige Werte: Gleitkommazahl. Standardwert: `0.0`. | | lambda\$1l1 | L1-Regularisation. Gültige Werte: Float, Bereich: Nicht-negativer Float. Standardwert: `0.0`. | | lambda\$1l2 | L2-Regularisation. Gültige Werte: Float, Bereich: Nicht-negativer Float. Standardwert: `0.0`. | | boosting | Boosting-Typ Gültige Werte: String, einer der folgenden Werte: (`"gbdt"`, `"rf"`, `"dart"`, or `"goss"`). Standardwert: `"gbdt"`. | | min\$1gain\$1to\$1split | Die Mindestverstärkung für die Durchführung einer Teilung. Kann verwendet werden, um das Training zu beschleunigen. Gültige Werte: Ganzzahl, Float: Nicht-negativer Float. Standardwert: `0.0`. | | scale\$1pos\$1weight | Das Gewicht der Etiketten mit positiver Klasse. Wird nur für binäre Klassifikationsaufgaben verwendet. `scale_pos_weight` kann nicht verwendet werden, wenn `is_unbalance` auf `"True"` gesetzt ist. Gültige Werte: Float, Bereich: Positiver Float. Standardwert: `1.0`. | | tree\$1learner | Baumschüler-Typ. Gültige Werte: String, einer der folgenden Werte: (`"serial"`, `"feature"`, `"data"`, or `"voting"`). Standardwert: `"serial"`. | | feature\$1fraction\$1bynode | Wählt eine Teilmenge zufälliger Features auf jedem Baumknoten aus. Ist beispielsweise `feature_fraction_bynode` gleich `0.8`, so werden 80 % der Features ausgewählt. Kann für Überanpassungen verwendet werden. Gültige Werte: Ganzzahl, Bereich: (`0.0`, `1.0`]. Standardwert: `1.0`. | | is\$1unbalance | Wird auf `"True"` eingestellt, wenn die Trainingsdaten unausgewogen sind. Wird nur für binäre Klassifikationsaufgaben verwendet. `is_unbalance` kann nicht mit `scale_pos_weight` verwendet werden. Gültige Werte: String, entweder: (`"True"` or `"False"`). Standardwert: `"False"`. | | max\$1bin | Die maximale Anzahl von Bins, die verwendet werden, um Feature-Werte zusammenzufassen. Eine geringe Anzahl von Bins kann die Trainingsgenauigkeit verringern, aber die allgemeine Leistung erhöhen. Kann für Überanpassungen verwendet werden. Gültige Werte: Ganzzahl, Bereich: (1, ∞). Standardwert: `255`. | | tweedie\$1variance\$1power | Steuert die Varianz der Tweedie-Verteilung. Stellen Sie dies näher an `2.0`, um in Richtung einer Gamma-Verteilung zu wechseln. Stellen Sie dies näher an `1.0`, um in Richtung einer Poisson-Verteilung zu wechseln. Wird nur für Regressionsaufgaben verwendet. Gültige Werte: Float, Bereich: [`1.0`, `2.0`). Standardwert: `1.5`. | | num\$1threads | Anzahl der parallelen Threads zum Ausführen von LightGBM. Der Wert 0 bedeutet die Standardanzahl von Threads in OpenMP. Gültige Werte: Ganzzahl, Bereich: Nicht-negative ganze Zahl. Standardwert: `0`. | | verbosity | Die Ausführlichkeit von Drucknachrichten. Ist `verbosity` kleiner als `0`, werden in Drucknachrichten nur schwerwiegende Fehler angezeigt. Ist `verbosity` auf `0` gesetzt, enthalten Drucknachrichten Fehler und Warnungen. Ist`verbosity` gleich `1`, werden Drucknachrichten mit weiteren Informationen angezeigt. Ein `verbosity` größer als `1` zeigt die meisten Informationen in gedruckten Nachrichten an und kann zum Debuggen verwendet werden. Gültige Werte: Ganzzahl Standardwert: `1`. |