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

Menyetel K-Means Model

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.

Algoritma Amazon SageMaker AI k-mean adalah algoritma tanpa pengawasan yang mengelompokkan data ke dalam cluster yang anggotanya semirip mungkin. Karena tidak diawasi, ia tidak menggunakan kumpulan data validasi yang dapat dioptimalkan oleh hyperparameter. Tetapi itu membutuhkan kumpulan data uji dan memancarkan metrik yang bergantung pada jarak kuadrat antara titik data dan sentroid cluster akhir di akhir setiap latihan. Untuk menemukan model yang melaporkan cluster terketat pada dataset pengujian, Anda dapat menggunakan pekerjaan penyetelan hyperparameter. Cluster mengoptimalkan kesamaan anggotanya.

Untuk informasi selengkapnya tentang penyetelan model, lihatPenyetelan model otomatis dengan SageMaker AI.

Metrik yang Dihitung oleh Alg K-Means oritma

Algoritma k-mean menghitung metrik berikut selama pelatihan. Saat menyetel model, pilih salah satu metrik ini sebagai metrik objektif.

Hyperparameter yang dapat disetel K-Means

Setel model Amazon SageMaker AI k-mean dengan hyperparameter berikut. Hyperparameter yang memiliki dampak terbesar pada metrik objektif k-mean adalah:mini_batch_size,extra_center_factor, dan. init_method Menyetel hyperparameter epochs umumnya menghasilkan perbaikan kecil.