기계 번역으로 제공되는 번역입니다. 제공된 번역과 원본 영어의 내용이 상충하는 경우에는 영어 버전이 우선합니다.

# PCA 하이퍼파라미터
<a name="PCA-reference"></a>

`CreateTrainingJob` 요청에서 훈련 알고리즘을 지정합니다. 알고리즘별 하이퍼파라미터를 문자열-문자열 맵으로 지정할 수 있습니다. 다음 표에는 Amazon SageMaker AI에서 제공되는 PCA 훈련 알고리즘에 대한 하이퍼파라미터가 나열되어 있습니다. PCA 작업 방법에 대한 자세한 정보는 [PCA 작동 방식](how-pca-works.md)을 참조하세요.


| 파라미터 이름 | 설명 | 
| --- | --- | 
| feature\$1dim |  입력 차원. **필수** 유효한 값: 양수  | 
| mini\$1batch\$1size |  미니 배치에 있는 행의 수. **필수** 유효한 값: 양수  | 
| num\$1components |  컴퓨팅할 주성분의 수. **필수** 유효한 값: 양수  | 
| algorithm\$1mode |  주성분 컴퓨팅 모드. **선택 사항** 유효한 값: *regular* 또는 *randomized* 기본값: *regular*  | 
| extra\$1components |  값이 증가하면 해결책이 더욱 정확해지지만 실행 시간과 메모리 소모량이 선형으로 증가합니다. 기본값 -1은 최대 10 및 `num_components`를 의미합니다. *randomized* 모드에서만 유효합니다. **선택 사항** 유효한 값: 음수가 아닌 정수 또는 -1 기본값: -1  | 
| subtract\$1mean |  훈련 도중 및 추론 시 데이터가 비편이되어야 하는지 여부를 나타냅니다. **선택 사항** 유효한 값: *true* 또는 *false* 중 하나 기본값: *true*  |