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 ハイパーパラメータ
<a name="kNN_hyperparameters"></a>

次の表に、Amazon SageMaker AI K 最近傍 (k-NN) アルゴリズムで設定できるハイパーパラメータを示します。


| Parameter Name | 説明 | 
| --- | --- | 
| feature\$1dim |  入力データ内の特徴の数。 **必須** 有効な値: 正の整数。  | 
| k |  最近傍の数。 **必須** 有効な値: 正の整数  | 
| predictor\$1type |  データラベルに使用する推論のタイプ。 **必須** 有効な値: 分類の場合は *classifier*、回帰の場合は *regressor*。  | 
| sample\$1size |  トレーニングデータセットからサンプリングされるデータポイントの数。 **必須** 有効な値: 正の整数  | 
| dimension\$1reduction\$1target |  縮小後の標的次元。 `dimension_reduction_type` パラメータを指定する場合に**必須**です。 有効な値: 0 より大きく、`feature_dim` より小さい正の整数。  | 
| dimension\$1reduction\$1type |  次元削減手法のタイプ。 **オプション** 有効な値: ランダム射影の場合は *sign* 、高速 Johnson-Lindenstrauss 変換の場合は *fjlt*。 デフォルト値: 次元削減なし  | 
| faiss\$1index\$1ivf\$1nlists |  `index_type` が *faiss.IVFFlat* または *faiss.IVFPQ* である場合に、インデックス内で作成する重心の数。 **オプション** 有効な値: 正の整数 デフォルト値: *auto* (`sqrt(sample_size)` に解決される)。  | 
| faiss\$1index\$1pq\$1m |  `index_type` が *faiss.IVFPQ* に設定されている場合に、インデックス内で作成するベクトルサブコンポーネントの数。 FaceBook AI 類似検索 (FAISS) ライブラリでは、`faiss_index_pq_m` の値がデータ次元の約数であることが必要です。`faiss_index_pq_m` がデータ次元の約数でない場合は、データ次元を `faiss_index_pq_m` で割り切れる最小の整数に増やします。次元削減が適用されない場合、アルゴリズムはゼロのパディングを追加します。次元削減が適用される場合、アルゴリズムは `dimension_reduction_target` ハイパーパラメータの値を大きくします。 **オプション** 有効な値: 次の正の整数の 1 つ：1、2、3、4、8、12、16、20、24、28、32、40、48、56、64、96  | 
| index\$1metric |  最近傍を見つけるときにポイント間の距離を測定するためのメトリクス。`index_type` を `faiss.IVFPQ` に設定してトレーニングする場合、`INNER_PRODUCT` 距離と `COSINE` 類似度はサポートされません。 **オプション** 有効な値: ユークリッド距離の場合は *L2*、内積距離の場合は *INNER\$1PRODUCT*、余弦類似度の場合は *COSINE*。 デフォルト値: *L2*  | 
| index\$1type |  インデックスのタイプ。 **オプション** 有効な値: *faiss.Flat*、*faiss.IVFFlat*、*faiss.IVFPQ*。 デフォルト値: *faiss.Flat*  | 
| mini\$1batch\$1size |  データイテレーターのミニバッチごとの観測数。 **オプション** 有効な値: 正の整数 デフォルト値: 5000  |