Le traduzioni sono generate tramite traduzione automatica. In caso di conflitto tra il contenuto di una traduzione e la versione originale in Inglese, quest'ultima prevarrà.

# AutoGluon-Iperparametri tabulari
<a name="autogluon-tabular-hyperparameters"></a>

La tabella seguente contiene il sottoinsieme di iperparametri richiesti o più comunemente utilizzati per l'algoritmo Amazon SageMaker AI AutoGluon -Tabular. Gli utenti impostano questi parametri per agevolare la stima dei parametri del modello dai dati. [L'algoritmo SageMaker AI AutoGluon -Tabular è un'implementazione del pacchetto open source -Tabular. AutoGluon](https://github.com/awslabs/autogluon)

**Nota**  
Gli iperparametri predefiniti si basano su set di dati di esempio in [AutoGluon-Taccuini di esempio tabulari](autogluon-tabular.md#autogluon-tabular-sample-notebooks).

Per impostazione predefinita, l'algoritmo SageMaker AI AutoGluon -Tabular sceglie automaticamente una metrica di valutazione in base al tipo di problema di classificazione. L'algoritmo rileva il tipo di problema di classificazione in base al numero di etichette nei dati. Per i problemi di regressione, il parametro di valutazione è un errore quadratico medio. Per i problemi di classificazione binaria, il parametro di valutazione è l'area sotto la curva caratteristica operativa del ricevitore (AUC). Per i problemi di classificazione multiclasse, il parametro di valutazione è l'accuratezza. È possibile utilizzare l'iperparametro `eval_metric` per modificare il parametro di valutazione predefinito. Fate riferimento alla tabella seguente per ulteriori informazioni sugli iperparametri AutoGluon -Tabular, incluse descrizioni, valori validi e valori predefiniti.


| Nome parametro | Description | 
| --- | --- | 
| eval\$1metric |  Parametro di valutazione per i dati di convalida. Se `eval_metric` è impostato sul valore predefinito `"auto"`, l'algoritmo sceglie automaticamente un parametro di valutazione in base al tipo di problema di classificazione: [\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/it_it/sagemaker/latest/dg/autogluon-tabular-hyperparameters.html) Valori validi: stringa, fare riferimento alla [AutoGluon documentazione](https://auto.gluon.ai/stable/api/autogluon.tabular.TabularPredictor.html) per i valori validi. Valore predefinito: `"auto"`.  | 
| presets |  Elenco di configurazioni preimpostate per vari argomenti in `fit()`.  [\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/it_it/sagemaker/latest/dg/autogluon-tabular-hyperparameters.html) Per maggiori dettagli, consulta [AutoGluon Predittori](https://auto.gluon.ai/stable/api/autogluon.tabular.TabularPredictor.html). Valori validi: stringa, uno dei seguenti valori: (`"best_quality"`, `"high_quality"`, `good_quality"`, `"medium_quality"`, `"optimize_for_deployment"`,` or "interpretable"`). Valore predefinito: `"medium_quality"`.  | 
| auto\$1stack |  Se AutoGluon utilizzare automaticamente l'insaccamento e l'assemblaggio di pile multistrato per aumentare la precisione predittiva. Imposta `auto_stack` su `"True"` se sei disposto a tollerare tempi di addestramento più lunghi per massimizzare la precisione predittiva. Questo imposta automaticamente gli argomenti `num_bag_folds` e `num_stack_levels` in base alle proprietà del set di dati.  Valori validi: stringa, `"True"` o `"False"`. Valore predefinito: `"False"`.  | 
| num\$1bag\$1folds |  Numero di fold utilizzati per il bagging dei modelli. Quando `num_bag_folds` è uguale a `k`, il tempo di addestramento viene aumentato all'incirca di un fattore di `k`. Imposta `num_bag_folds` su 0 per disattivare il bagging. Questa opzione è disabilitata per impostazione predefinita, ma consigliamo di utilizzare valori compresi tra 5 e 10 per massimizzare le prestazioni predittive. Risultati `num_bag_folds` migliori in modelli con bias inferiori, ma più inclini all'overfit. Uno è un valore non valido per questo parametro e genererà un `ValueError`. I valori superiori a 10 possono produrre una diminuzione dei risultati e persino danneggiare i risultati complessivi a causa dell’overfitting. Per migliorare ulteriormente le previsioni, evita di aumentare `num_bag_folds` e invece aumenta `num_bag_sets`. Valori validi: stringa, qualsiasi numero intero compreso tra (e incluso) `"0"` e `"10"`. Valore predefinito: `"0"`.  | 
| num\$1bag\$1sets |  Numero di ripetizioni di kfold bagging da eseguire (i valori devono essere maggiori o uguali a 1). Il numero totale di modelli addestrati durante il bagging è pari a `num_bag_folds` \$1 `num_bag_sets` Se `time_limit` non è specificato, il valore predefinito viene impostato su uno. Questo parametro è disabilitato se `num_bag_folds` non è specificato. Valori superiori a uno si traducono in prestazioni predittive superiori, soprattutto su problemi più piccoli e con l’impilamento abilitato.  Valori validi: intero, intervallo: [`1`, `20`]. Valore predefinito: `1`.  | 
| num\$1stack\$1levels |  Numero di livelli di impilamento da utilizzare in stack ensemble. Aumenta approssimativamente il tempo di addestramento del modello di un fattore di `num_stack_levels` \$1 1. Imposta questo parametro su 0 per disattivare lo stack ensembling. Questo parametro è disabilitato per impostazione predefinita, ma consigliamo di utilizzare valori compresi tra 1 e 3 per massimizzare le prestazioni predittive. Per evitare l’overfitting e un `ValueError`, `num_bag_folds` deve essere maggiore o uguale a 2. Valori validi: float, intervallo: [`0`, `3`]. Valore predefinito: `0`.  | 
| refit\$1full |  Se riqualificare o meno tutti i modelli su tutti i dati (addestramento e convalida) dopo la normale procedura di addestramento. [Per maggiori dettagli, consulta Predittori. AutoGluon ](https://auto.gluon.ai/stable/api/autogluon.tabular.TabularPredictor.html) Valori validi: stringa, `"True"` o `"False"`. Valore predefinito: `"False"`.  | 
| set\$1best\$1to\$1refit\$1full |  Se modificare o meno il modello predefinito utilizzato dal predittore per la previsione. Se `set_best_to_refit_full` è impostato su `"True"`, il modello predefinito passa al modello che ha mostrato il punteggio di convalida più alto a seguito del refitting (attivato da `refit_full`). Valido solo se `refit_full` è impostato. Valori validi: stringa, `"True"` o `"False"`. Valore predefinito: `"False"`.  | 
| save\$1space |  Se ridurre la memoria e le dimensioni del disco del predittore eliminando i file di modello ausiliari che non sono necessari per la previsione di nuovi dati. Ciò non ha alcun impatto sulla precisione dell'inferenza. Ti consigliamo di impostare `save_space` su `"True"` se l'unico obiettivo è utilizzare il modello addestrato per la previsione. Alcune funzionalità avanzate potrebbero non essere più disponibili se `save_space` è impostato su `"True"`. Per ulteriori dettagli, fai riferimento alla documentazione di `[predictor.save\$1space()](https://auto.gluon.ai/stable/api/autogluon.tabular.TabularPredictor.save_space.html)`. Valori validi: stringa, `"True"` o `"False"`. Valore predefinito: `"False"`.  | 
| verbosity |  La verbosità dei messaggi di stampa. I livelli di `verbosity` variano da `0` a `4`, con livelli più alti corrispondenti a dichiarazioni di stampa più dettagliate. Una `verbosity` di `0` sopprime gli avvisi.  Valori validi: numero intero, uno dei seguenti valori: (`0`, `1`, `2`, `3` o `4`). Valore predefinito: `2`.  |