Les traductions sont fournies par des outils de traduction automatique. En cas de conflit entre le contenu d'une traduction et celui de la version originale en anglais, la version anglaise prévaudra.

# CatBoost hyperparamètres
<a name="catboost-hyperparameters"></a>

Le tableau suivant contient le sous-ensemble d'hyperparamètres requis ou les plus couramment utilisés pour l'algorithme Amazon SageMaker AI CatBoost . Les utilisateurs définissent ces paramètres pour faciliter l'estimation des paramètres du modèle à partir des données. L' CatBoost algorithme SageMaker AI est une implémentation du [CatBoost](https://github.com/catboost/catboost)package open source.

**Note**  
Les hyperparamètres par défaut sont basés sur des exemples de jeux de données dans le [CatBoost exemples de carnets](catboost.md#catboost-sample-notebooks).

Par défaut, l' CatBoost algorithme d' SageMaker IA choisit automatiquement une métrique d'évaluation et une fonction de perte en fonction du type de problème de classification. L' CatBoost algorithme détecte le type de problème de classification en fonction du nombre d'étiquettes présentes dans vos données. Pour les problèmes de régression, la métrique d'évaluation et les fonctions de perte correspondent toutes à la racine carrée de l'erreur quadratique moyenne. Pour les problèmes de classification binaire, la métrique d'évaluation est l'aire sous la courbe (AUC, Area Under the Curve) et la fonction de perte est la perte logistique. Pour les problèmes de classification multi-classes, la métrique d'évaluation et les fonctions de perte correspondent à l'entropie croisée multi-classes. Vous pouvez utiliser l'hyperparamètre `eval_metric` pour modifier la métrique d'évaluation par défaut. Reportez-vous au tableau suivant pour plus d'informations sur les hyperparamètres LightGBM, y compris les descriptions, les valeurs valides et les valeurs par défaut.


| Nom du paramètre | Description | 
| --- | --- | 
| iterations |  Nombre maximal d'arbres pouvant être créés. Valeurs valides : nombre entier, plage : nombre entier positif. Valeur par défaut : `500`.  | 
| early\$1stopping\$1rounds |  L'entraînement s'arrête si une métrique d'un point de données de validation ne s'améliore pas au cours du dernier cycle `early_stopping_rounds`. Si `early_stopping_rounds` est inférieur ou égal à zéro, cet hyperparamètre est ignoré. Valeurs valides : entier Valeur par défaut : `5`.  | 
| eval\$1metric |  Métrique d'évaluation des données de validation. Si `eval_metric` est défini sur la valeur `"auto"` par défaut, l'algorithme choisit automatiquement une métrique d'évaluation en fonction du type de problème de classification : [\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/fr_fr/sagemaker/latest/dg/catboost-hyperparameters.html) Valeurs valides : chaîne, reportez-vous à la [CatBoost documentation](https://catboost.ai/en/docs/references/eval-metric__supported-metrics) pour les valeurs valides. Valeur par défaut : `"auto"`.  | 
| learning\$1rate |  Taux auquel les pondérations du modèle sont mises à jour après que chaque lot d'exemples d'entraînement a été parcouru. Valeurs valides : float, plage : (`0.0`, `1.0`). Valeur par défaut : `0.009`.  | 
| depth |  Profondeur de l'arbre. Valeurs valides : entier, plage : (`1`, `16`). Valeur par défaut : `6`.  | 
| l2\$1leaf\$1reg |  Coefficient pour la condition de régularisation L2 de la fonction de coût. Valeurs valides : nombre entier, plage : nombre entier positif. Valeur par défaut : `3`.  | 
| random\$1strength |  Degré du caractère aléatoire à utiliser pour la notation des divisions quand la structure arborescente est sélectionnée. Utilisez ce paramètre pour éviter de surajuster le modèle. Valeurs valides : float, plage : nombre à virgule flottante positive. Valeur par défaut : `1.0`.  | 
| max\$1leaves |  Nombre maximal de feuilles dans l'arborescence obtenue. Peut être utilisé uniquement avec la politique de croissance `"Lossguide"`. Valeurs valides : entier, plage : [`2`, `64`]. Valeur par défaut : `31`.  | 
| rsm |  Méthode subspatiale aléatoire. Le pourcentage de caractéristiques à utiliser à chaque sélection fractionnée, lorsque les caractéristiques sont à nouveau sélectionnées de manière aléatoire. Valeurs valides : valeur à virgule flottante, plage : (`0.0`, `1.0`]. Valeur par défaut : `1.0`.  | 
| sampling\$1frequency |  Fréquence d'échantillonnage des pondérations et des objets lors de la génération d'arborescences. Valeurs valides : chaîne, valeur : (`"PerTreeLevel"` ou `"PerTree"`). Valeur par défaut : `"PerTreeLevel"`.  | 
| min\$1data\$1in\$1leaf |  Le nombre minimum d'échantillons d'apprentissage dans une feuille. CatBoost ne recherche pas de nouvelles divisions dans les feuilles dont le nombre d'échantillons est inférieur à la valeur spécifiée. Peut être utilisé uniquement avec les politiques de croissance `"Lossguide"` et `"Depthwise"`. Valeurs valides : entier, plage : (`1` ou `∞`). Valeur par défaut : `1`.  | 
| bagging\$1temperature |  Définit les paramètres de l'amorçage bayésien. Utilisez l'amorçage bayésien pour attribuer des pondérations aléatoires aux objets. Si `bagging_temperature` a pour valeur `1.0`, les pondérations sont échantillonnées à partir d'une distribution exponentielle. Si `bagging_temperature` a pour valeur `0.0`, toutes les pondérations sont égales à 1,0. Valeurs valides : valeur à virgule flottante, plage : valeur à virgule flottante non négative. Valeur par défaut : `1.0`.  | 
| boosting\$1type |  Système de renforcement. « Auto » signifie que `boosting_type` est sélectionné en fonction du type d'unité de traitement, du nombre d'objets dans le jeu de données d'entraînement et du mode d'apprentissage sélectionné. Valeurs valides : chaîne, l'une des valeurs suivantes : (`"Auto"`, `"Ordered"`, `"Plain"`). Valeur par défaut : `"Auto"`.  | 
| scale\$1pos\$1weight |  La pondération de la classe positive dans la classification binaire. La valeur est utilisée comme multiplicateur pour les pondérations des objets de classe positive. Valeurs valides : valeur à virgule flottante, plage : valeur à virgule flottante positive. Valeur par défaut : `1.0`.  | 
| max\$1bin |  Nombre de divisions pour les caractéristiques numériques. `"Auto"` signifie que `max_bin` est sélectionné en fonction du type d'unité de traitement et d'autres paramètres. Pour plus de détails, consultez la CatBoost documentation. Valeurs valides : chaîne, valeur : (`"Auto"` ou chaîne d'entier de `"1"` à `"65535"`, limites incluses). Valeur par défaut : `"Auto"`.  | 
| grow\$1policy |  Politique de croissance d'arborescence. Définit comment réaliser une construction d'arborescence gloutonne. Valeurs valides : chaîne, l'une des valeurs suivantes : (`"SymmetricTree"`, `"Depthwise"` ou `"Lossguide"`). Valeur par défaut : `"SymmetricTree"`.  | 
| random\$1seed |  Valeur initiale aléatoire utilisée pour l'entraînement. Valeurs valides : nombre, plage : nombre entier non négatif. Valeur par défaut : `1.0`. | 
| thread\$1count |  Nombre de threads à utiliser pendant l'entraînement. Si `thread_count` a pour valeur `-1`, le nombre de threads est égal au nombre de cœurs de processeur. `thread_count` ne peut pas avoir pour valeur `0`. Valeurs valides : entier, valeur : (`-1` ou entier positif). Valeur par défaut : `-1`.  | 
| verbose |  Verbosité des messages d'impression, les niveaux supérieurs correspondant à des instructions d'impression plus détaillées. Valeurs valides : nombre entier, plage : nombre entier positif. Valeur par défaut : `1`.  |