翻訳は機械翻訳により提供されています。提供された翻訳内容と英語版の間で齟齬、不一致または矛盾がある場合、英語版が優先します。

# k-NN モデルの調整
<a name="kNN-tuning"></a>

Amazon SageMaker AI K 最近傍アルゴリズムは、教師ありアルゴリズムです。このアルゴリズムはテストデータセットを消費し、分類タスクの精度または回帰タスクの平均二乗誤差に関するメトリクスを出力します。これらの精度メトリクスは、それぞれのタスクについてのモデル予測を経験的テストデータによって提供されるグランドトゥルースと比較します。テストデータセットで最高の精度または最低の誤差を報告する最善のモデルを見つけるには、k-NN のハイパーパラメータ調整ジョブを実行します。

*自動モデル調整*は、ハイパーパラメータ調整とも呼ばれ、データセットのさまざまなハイパーパラメータをテストする多数のジョブを実行して、モデルの最適なバージョンを見つけます。調整可能なハイパーパラメータ、それぞれの値の範囲、および目標メトリクスを選択します。アルゴリズムの予測タスクに適した目標メトリクスを選択します。自動モデル調整は、選択されたハイパーパラメータを検索して、目標メトリクスを最適化するモデルになる値の組み合わせを見つけます。ハイパーパラメータは、モデルパラメータの推定を支援する目的でのみ使用され、予測を行うためにトレーニングされたモデルでは使用されません。

モデル調整の詳細については、「[SageMaker AI の自動モデルチューニング](automatic-model-tuning.md)」を参照してください。

## k-NN アルゴリズムによって計算されたメトリクス
<a name="km-metrics"></a>

k 最近傍アルゴリズムは、`predictor_type` ハイパーパラメータで指定されたタスクのタイプに応じて、トレーニング中に次の表の 2 つのメトリクスのいずれかを計算します。
+ *classifier* は分類タスクを指定し、`test:accuracy` を計算します。
+ *regressor* は回帰タスクを指定し、`test:mse` を計算します。

モデルを調整するときに、関連する目標メトリクスを計算するために実行されるタスクのタイプに適した `predictor_type` 値を選択してください。


| メトリクス名 | 説明 | 最適化の方向 | 
| --- | --- | --- | 
| test:accuracy | `predictor_type` が *classifier* に設定されている場合、k-NN は、K 最近傍のラベルの平均に基づいて予測されたラベルを、テストチャネルデータで提供されたグランドトゥルースラベルと比較します。報告される精度は、0.0 (0%) ～ 1.0 (100%) の範囲です。 | 最大化 | 
| test:mse | `predictor_type` が *regressor* に設定されている場合、k-NN は、K 最近傍のラベルの平均に基づいて予測されたラベルを、テストチャネルデータで提供されたグランドトゥルースラベルと比較します。平均二乗誤差は、2 つのラベルを比較することによって計算されます。 | 最小化 | 



## 調整可能な k-NN ハイパーパラメータ
<a name="km-tunable-hyperparameters"></a>

以下のハイパーパラメータを使用して Amazon SageMaker AI K 最近傍モデルを調整します。


| パラメータ名 | パラメータタイプ | 推奨範囲 | 
| --- | --- | --- | 
| k | IntegerParameterRanges | MinValue: 1、MaxValue: 1024 | 
| sample\_size | IntegerParameterRanges | MinValue: 256、MaxValue: 20000000 |