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

# BlazingText 하이퍼파라미터
<a name="blazingtext_hyperparameters"></a>

`CreateTrainingJob` 요청을 사용하여 훈련 작업을 시작할 때 훈련 알고리즘을 지정합니다. 알고리즘별 하이퍼파라미터를 문자열-문자열 맵으로 지정할 수 있습니다. BlazingText 알고리즘에 대한 하이퍼파라미터는 사용하는 Word2Vec(비지도) 및 Text Classification(지도) 모드에 따라 다릅니다.

## Word2Vec 하이퍼파라미터
<a name="blazingtext_hyperparameters_word2vec"></a>

다음 표에는 Amazon SageMaker AI에서 제공하는 BlazingText Word2Vec 훈련 알고리즘에 대한 하이퍼파라미터가 나열되어 있습니다.


| 파라미터 이름 | 설명 | 
| --- | --- | 
| mode | 훈련에 사용되는 Word2vec 아키텍처.<br />**필수**<br />유효값: `batch_skipgram`, `skipgram` 또는 `cbow` | 
| batch\_size | `mode`가 `batch_skipgram`으로 설정된 경우 각 배치의 크기. 10부터 20 사이의 숫자를 설정합니다.<br />**선택 사항**<br />유효한 값: 양수<br />기본값: 11 | 
| buckets | 형태소(subword)에 사용할 해시 버킷 수입니다.<br />**선택 사항**<br />유효한 값: 양수<br />기본값: 2000000 | 
| epochs | 훈련 데이터의 완료 통과 횟수.<br />**선택 사항**<br />유효한 값: 양수<br />기본값: 5 | 
| evaluation | 훈련된 모델이 [WordSimilarity-353 테스트](http://www.gabrilovich.com/resources/data/wordsim353/wordsim353.html)를 사용하여 평가되는지 여부.<br />**선택 사항**<br />유효한 값: (부울) `True` 또는 `False`<br />기본값: `True` | 
| learning\_rate | 파라미터 업데이트에 사용되는 단계 크기입니다.<br />**선택 사항**<br />유효한 값: 양의 부동 소수점<br />기본값: 0.05 | 
| min\_char | 형태소/문자 n-gram에 사용할 최소 문자 수입니다.<br />**선택 사항**<br />유효한 값: 양수<br />기본값: 3 | 
| min\_count | `min_count`회 미만으로 표시되는 단어는 삭제됩니다.<br />**선택 사항**<br />유효한 값: 음수가 아닌 정수<br />기본값: 5 | 
| max\_char | 형태소/문자 n-gram에 사용할 최대 문자 수입니다.<br />**선택 사항**<br />유효한 값: 양수<br />기본값: 6 | 
| negative\_samples | 네거티브 샘플 공유 전략을 위한 네거티브 샘플 수입니다.<br />**선택 사항**<br />유효한 값: 양수<br />기본값: 5 | 
| sampling\_threshold | 단어 발생에 대한 임곗값입니다. 훈련 데이터에 보다 높은 빈도로 나타나고 무작위로 다운 샘플링되는 단어입니다.<br />**선택 사항**<br />유효한 값: 양의 분수값. 권장되는 범위는 (0, 1e-3]입니다.<br />기본값: 0.0001 | 
| subwords | 형태소(subword) 임베딩 학습 여부<br />**선택 사항**<br />유효한 값: (부울) `True` 또는 `False`<br />기본값: `False` | 
| vector\_dim | 알고리즘이 학습하는 단어 벡터의 차원.<br />**선택 사항**<br />유효한 값: 양수<br />기본 값: 100 | 
| window\_size | 컨텍스트 창의 크기. 컨텍스트 창은 훈련에 사용되는 대상 단어 주변의 단어 수입니다.<br />**선택 사항**<br />유효한 값: 양수<br />기본값: 5 | 

## 텍스트 분류 하이퍼파라미터
<a name="blazingtext_hyperparameters_text_class"></a>

다음 표에는 Amazon SageMaker AI에서 제공하는 텍스트 분류 훈련 알고리즘에 대한 하이퍼파라미터가 나열되어 있습니다.

**참고**  
일부 파라미터가 텍스트 분류 및 Word2Vec 모드 간에 공통되긴 하지만 컨텍스트에 따라 의미가 다를 수 있습니다.


| 파라미터 이름 | 설명 | 
| --- | --- | 
| mode | 훈련 모드<br />**필수**<br />유효한 값: `supervised` | 
| buckets | word n-gram에 사용할 해시 버킷 수입니다.<br />**선택 사항**<br />유효한 값: 양수<br />기본값: 2000000 | 
| early\_stopping | epoch의 `patience` 수 이후 검증 정확성이 개선되지 않는 경우 훈련을 중지할지 여부 초기 중지를 사용하는 경우 검증 채널이 필수 항목이라는 점에 유의하세요.<br />**선택 사항**<br />유효한 값: (부울) `True` 또는 `False`<br />기본값: `False` | 
| epochs | 훈련 데이터에 통해 과정을 이수한 최대 횟수입니다.<br />**선택 사항**<br />유효한 값: 양수<br />기본값: 5 | 
| learning\_rate | 파라미터 업데이트에 사용되는 단계 크기입니다.<br />**선택 사항**<br />유효한 값: 양의 부동 소수점<br />기본값: 0.05 | 
| min\_count | `min_count`회 미만으로 표시되는 단어는 삭제됩니다.<br />**선택 사항**<br />유효한 값: 음수가 아닌 정수<br />기본값: 5 | 
| min\_epochs | 조기 중지 로직을 호출하기 전 훈련할 최소 epoch 수입니다.<br />**선택 사항**<br />유효한 값: 양수<br />기본값: 5 | 
| patience | 검증 세트에 대해 개선이 이루어지지 않는 경우 조기 중지를 적용하기 전에 대기할 epoch 수입니다. `early_stopping`이 `True`인 경우에만 사용됩니다.<br />**선택 사항**<br />유효한 값: 양수<br />기본값: 4 | 
| vector\_dim | 임베딩 계층의 차원입니다.<br />**선택 사항**<br />유효한 값: 양수<br />기본 값: 100 | 
| word\_ngrams | 사용할 word n-gram 특징의 수입니다.<br />**선택 사항**<br />유효한 값: 양수<br />기본값: 2 |