Terjemahan disediakan oleh mesin penerjemah. Jika konten terjemahan yang diberikan bertentangan dengan versi bahasa Inggris aslinya, utamakan versi bahasa Inggris.
Setel Model DeepAR
Penyetelan model otomatis, juga dikenal sebagai penyetelan hyperparameter, menemukan versi model terbaik dengan menjalankan banyak pekerjaan yang menguji berbagai hyperparameter pada dataset Anda. Anda memilih hyperparameter yang dapat disetel, rentang nilai untuk masing-masing, dan metrik objektif. Anda memilih metrik objektif dari metrik yang dihitung algoritma. Penyetelan model otomatis mencari hyperparameter yang dipilih untuk menemukan kombinasi nilai yang menghasilkan model yang mengoptimalkan metrik objektif.
Untuk informasi selengkapnya tentang penyetelan model, lihatPenyetelan model otomatis dengan SageMaker AI.
Metrik Dihitung oleh Algoritma DeepAR
Algoritma DeepAR melaporkan tiga metrik, yang dihitung selama pelatihan. Saat menyetel model, pilih salah satunya sebagai tujuan. Untuk tujuan tersebut, gunakan akurasi perkiraan pada saluran tes yang disediakan (disarankan) atau kerugian pelatihan. Untuk rekomendasi pemisahan training/test untuk algoritma DeepAR, lihatPraktik Terbaik untuk Menggunakan Algoritma DeepAR.
| Nama Metrik | Deskripsi | Arah Optimasi |
|---|---|---|
test:RMSE |
Kesalahan kuadrat rata-rata akar antara perkiraan dan target aktual dihitung pada set pengujian. |
Minimalkan |
test:mean_wQuantileLoss |
Kerugian kuantil keseluruhan rata-rata dihitung pada set uji. Untuk mengontrol kuantil mana yang digunakan, atur |
Minimalkan |
train:final_loss |
Kerugian kemungkinan log negatif pelatihan dirata-ratakan selama periode pelatihan terakhir untuk model. |
Minimalkan |
Hyperparameter yang Dapat Disetel untuk Algoritma DeepAR
Setel model DeepAR dengan hyperparameter berikut. Hyperparameter yang memiliki dampak terbesar, tercantum dalam urutan dari yang paling berdampak hingga yang paling tidak berdampak, pada metrik objektif DeepAR adalah:epochs,,,context_length, mini_batch_size dan. learning_rate num_cells
| Nama Parameter | Jenis Parameter | Rentang yang Direkomendasikan |
|---|---|---|
epochs |
|
MinValue: 1, MaxValue: 1000 |
context_length |
|
MinValue: 1, MaxValue: 200 |
mini_batch_size |
|
MinValue: 32, MaxValue: 1028 |
learning_rate |
|
MinValue: 1e-5, MaxValue: 1e-1 |
num_cells |
|
MinValue: 30, MaxValue: 200 |
num_layers |
|
MinValue: 1, MaxValue: 8 |
dropout_rate |
|
MinValue: 0,00, MaxValue: 0,2 |
embedding_dimension |
|
MinValue: 1, MaxValue: 50 |
