Terjemahan disediakan oleh mesin penerjemah. Jika konten terjemahan yang diberikan bertentangan dengan versi bahasa Inggris aslinya, utamakan versi bahasa Inggris. # AutoGluon-Hiperparameter tabel Tabel berikut berisi subset hiperparameter yang diperlukan atau paling umum digunakan untuk algoritma Amazon SageMaker AI AutoGluon -Tabular. Pengguna mengatur parameter ini untuk memfasilitasi estimasi parameter model dari data. [Algoritma SageMaker AI AutoGluon -Tabular adalah implementasi dari paket -Tabular open-sourceAutoGluon.](https://github.com/awslabs/autogluon) **catatan** Hyperparameter default didasarkan pada contoh kumpulan data di file. [AutoGluon-Notebook sampel tabel](autogluon-tabular.md#autogluon-tabular-sample-notebooks) Secara default, algoritma SageMaker AI AutoGluon -Tabular secara otomatis memilih metrik evaluasi berdasarkan jenis masalah klasifikasi. Algoritma mendeteksi jenis masalah klasifikasi berdasarkan jumlah label dalam data Anda. Untuk masalah regresi, metrik evaluasi adalah kesalahan kuadrat rata-rata akar. Untuk masalah klasifikasi biner, metrik evaluasi adalah area di bawah kurva karakteristik operasi penerima (AUC). Untuk masalah klasifikasi multikelas, metrik evaluasi adalah akurasi. Anda dapat menggunakan `eval_metric` hyperparameter untuk mengubah metrik evaluasi default. Lihat tabel berikut untuk informasi lebih lanjut tentang hiperparameter AutoGluon -Tabular, termasuk deskripsi, nilai yang valid, dan nilai default. | Nama Parameter | Deskripsi | | --- | --- | | eval\$1metric | Metrik evaluasi untuk data validasi. Jika `eval_metric` diatur ke `"auto"` nilai default, maka algoritme secara otomatis memilih metrik evaluasi berdasarkan jenis masalah klasifikasi: [\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/id_id/sagemaker/latest/dg/autogluon-tabular-hyperparameters.html) Nilai yang valid: string, lihat [AutoGluon dokumentasi](https://auto.gluon.ai/stable/api/autogluon.tabular.TabularPredictor.html) untuk nilai yang valid. Nilai default:`"auto"`. | | presets | Daftar konfigurasi preset untuk berbagai argumen di. `fit()` [\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/id_id/sagemaker/latest/dg/autogluon-tabular-hyperparameters.html) Untuk lebih jelasnya, lihat [AutoGluon Prediktor](https://auto.gluon.ai/stable/api/autogluon.tabular.TabularPredictor.html). Nilai yang valid: string, salah satu dari berikut ini: (`"best_quality"``"high_quality"`,,`good_quality"`,`"medium_quality"`,`"optimize_for_deployment"`,` or "interpretable"`). Nilai default:`"medium_quality"`. | | auto\$1stack | Apakah AutoGluon harus secara otomatis menggunakan bagging dan multi-layer stack ansambling untuk meningkatkan akurasi prediktif. Atur `auto_stack` ke `"True"` jika Anda bersedia mentolerir waktu pelatihan yang lebih lama untuk memaksimalkan akurasi prediktif. Ini secara otomatis menetapkan `num_stack_levels` argumen `num_bag_folds` dan berdasarkan properti dataset. Nilai yang valid: string, `"True"` atau`"False"`. Nilai default:`"False"`. | | num\$1bag\$1folds | Jumlah lipatan yang digunakan untuk mengantongi model. `num_bag_folds`Kapan sama dengan`k`, waktu pelatihan secara kasar meningkat dengan faktor`k`. Setel `num_bag_folds` ke 0 untuk menonaktifkan bagging. Ini dinonaktifkan secara default, tetapi kami sarankan menggunakan nilai antara 5 dan 10 untuk memaksimalkan kinerja prediktif. Peningkatan `num_bag_folds` hasil dalam model dengan bias yang lebih rendah, tetapi itu lebih rentan terhadap overfitting. Salah satunya adalah nilai yang tidak valid untuk parameter ini, dan akan menaikkan nilai. `ValueError` Nilai yang lebih besar dari 10 dapat menghasilkan pengembalian yang berkurang dan bahkan dapat merusak hasil keseluruhan karena overfitting. Untuk lebih meningkatkan prediksi, hindari peningkatan `num_bag_folds` dan sebaliknya tingkatkan`num_bag_sets`. Nilai yang valid: string, bilangan bulat apa pun antara (dan termasuk) `"0"` dan`"10"`. Nilai default:`"0"`. | | num\$1bag\$1sets | Jumlah pengulangan kfold bagging untuk dilakukan (nilai harus lebih besar dari atau sama dengan 1). Jumlah total model yang dilatih selama pengantongan sama `num_bag_folds` dengan\$1`num_bag_sets`. Parameter ini default ke satu jika `time_limit` tidak ditentukan. Parameter ini dinonaktifkan `num_bag_folds` jika tidak ditentukan. Nilai yang lebih besar dari satu menghasilkan kinerja prediktif yang unggul, terutama pada masalah yang lebih kecil dan dengan penumpukan diaktifkan. Nilai yang valid: integer, range: [`1`,`20`]. Nilai default:`1`. | | num\$1stack\$1levels | Jumlah tingkat susun untuk digunakan dalam ansambel tumpukan. Secara kasar meningkatkan waktu pelatihan model dengan faktor `num_stack_levels` \$1 1. Setel parameter ini ke 0 untuk menonaktifkan ansambel tumpukan. Parameter ini dinonaktifkan secara default, tetapi kami sarankan menggunakan nilai antara 1 dan 3 untuk memaksimalkan kinerja prediktif. Untuk mencegah overfitting dan a`ValueError`, `num_bag_folds` harus lebih besar dari atau sama dengan 2. Nilai yang valid: float, range: [`0`,`3`]. Nilai default:`0`. | | refit\$1full | Apakah akan melatih ulang semua model pada semua data (pelatihan dan validasi) setelah prosedur pelatihan normal atau tidak. Untuk lebih jelasnya, lihat [AutoGluon Prediktor](https://auto.gluon.ai/stable/api/autogluon.tabular.TabularPredictor.html). Nilai yang valid: string, `"True"` atau`"False"`. Nilai default:`"False"`. | | set\$1best\$1to\$1refit\$1full | Apakah akan mengubah model default yang digunakan prediktor untuk prediksi atau tidak. Jika `set_best_to_refit_full` disetel ke`"True"`, model default berubah ke model yang menunjukkan skor validasi tertinggi sebagai hasil dari refitting (diaktifkan oleh). `refit_full` Hanya valid jika `refit_full` disetel. Nilai yang valid: string, `"True"` atau`"False"`. Nilai default:`"False"`. | | save\$1space | Apakah atau perhatikan untuk mengurangi memori dan ukuran disk prediktor dengan menghapus file model tambahan yang tidak diperlukan untuk prediksi pada data baru. Ini tidak berdampak pada akurasi inferensi. Kami merekomendasikan pengaturan `save_space` `"True"` apakah satu-satunya tujuan adalah menggunakan model terlatih untuk prediksi. Fungsionalitas lanjutan tertentu mungkin tidak lagi tersedia jika `save_space` disetel ke`"True"`. Lihat `[predictor.save\$1space()](https://auto.gluon.ai/stable/api/autogluon.tabular.TabularPredictor.save_space.html)` dokumentasi untuk lebih jelasnya. Nilai yang valid: string, `"True"` atau`"False"`. Nilai default:`"False"`. | | verbosity | Verbositas pesan cetak. `verbosity`tingkat berkisar dari `0` ke`4`, dengan tingkat yang lebih tinggi sesuai dengan pernyataan cetak yang lebih rinci. Sebuah `verbosity` dari `0` menekan peringatan. Nilai yang valid: bilangan bulat, salah satu dari berikut ini: (`0`,`1`,`2`,`3`, atau`4`). Nilai default:`2`. |