Terjemahan disediakan oleh mesin penerjemah. Jika konten terjemahan yang diberikan bertentangan dengan versi bahasa Inggris aslinya, utamakan versi bahasa Inggris.

# Hiperparameter PCA
<a name="PCA-reference"></a>

Dalam `CreateTrainingJob` permintaan, Anda menentukan algoritma pelatihan. Anda juga dapat menentukan algoritme-spesifik HyperParameters sebagai string-to-string peta. Tabel berikut mencantumkan hyperparameters untuk algoritma pelatihan PCA yang disediakan oleh Amazon SageMaker AI. Untuk informasi selengkapnya tentang cara kerja PCA, lihat[Bagaimana PCA Bekerja](how-pca-works.md). 


| Nama Parameter | Deskripsi | 
| --- | --- | 
| feature\$1dim |  Dimensi masukan. **Diperlukan** Nilai yang valid: bilangan bulat positif  | 
| mini\$1batch\$1size |  Jumlah baris dalam batch mini. **Diperlukan** Nilai yang valid: bilangan bulat positif  | 
| num\$1components |  Jumlah komponen utama untuk dihitung. **Diperlukan** Nilai yang valid: bilangan bulat positif  | 
| algorithm\$1mode |  Mode untuk menghitung komponen utama.  **Opsional** Nilai yang valid: *reguler* atau *acak* Nilai default: *reguler*  | 
| extra\$1components |  Ketika nilai meningkat, solusinya menjadi lebih akurat tetapi runtime dan konsumsi memori meningkat secara linier. Default, -1, berarti maksimum 10 dan`num_components`. Hanya berlaku untuk mode *acak*. **Opsional** Nilai yang valid: Bilangan bulat non-negatif atau -1 Nilai default: -1  | 
| subtract\$1mean |  Menunjukkan apakah data harus tidak bias baik selama pelatihan maupun pada inferensi.  **Opsional** Nilai yang valid: Salah satu *benar* atau *salah* Nilai default: *benar*  |