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

# LightGBM 모델을 튜닝하세요.
<a name="lightgbm-tuning"></a>

자동 모델 튜닝은 하이퍼파라미터 튜닝이라고도 하며, 훈련 데이터세트 및 검증 데이터세트에 대한 다양한 하이퍼파라미터를 테스트하는 여러 작업을 실행하여 최적의 모델 버전을 찾는 기능입니다.** 모델 튜닝은 다음과 같은 하이퍼파라미터에 초점을 맞춥니다.

**참고**  
훈련 목표 함수는 레이블 열의 고유 정수 수에 따라 결정되는 분류 작업 유형에 따라 자동으로 할당됩니다. 자세한 내용은 [라이트GBM 하이퍼파라미터](lightgbm-hyperparameters.md) 섹션을 참조하세요.
+ 모델 훈련 중에 최적화하기 위한 학습 목표 함수
+ 검증 중에 모델 성능을 평가하는 데 사용되는 평가 지표
+ 모델을 자동으로 튜닝할 때 사용하기 쉬운 하이퍼파라미터 세트와 일정한 범위의 값

자동 모델 튜닝은 지정된 하이퍼파라미터를 검색하여 선택한 평가 지표를 최적화하는 모델을 만드는 값 조합을 찾습니다.

**참고**  
LightGBM의 자동 모델 튜닝은 SageMaker AI 콘솔이 아닌 Amazon SageMaker SDK에서만 사용할 수 있습니다.

모델 튜닝에 대한 추가 정보는 [SageMaker AI로 자동 모델 튜닝](automatic-model-tuning.md) 섹션을 참조하세요.

## LightGBM 알고리즘으로 계산되는 평가 지표
<a name="lightgbm-metrics"></a>

SageMaker AI LightGBM 알고리즘은 모델 검증에 사용할 다음 지표를 계산합니다. 평가 지표는 분류 작업 유형(레이블 열에 표시된 고유 정수의 개수로 결정됨)에 따라 자동으로 할당됩니다.


| 지표 이름 | 설명 | 최적화 방향 | 정규식 패턴 | 
| --- | --- | --- | --- | 
| rmse | 평균 제곱근 오차 | 최소화 | "rmse: ([0-9\\\\.]\+)" | 
| l1 | 평균 절대 오차 | 최소화 | "l1: ([0-9\\\\.]\+)" | 
| l2 | 평균 제곱 오차 | 최소화 | "l2: ([0-9\\\\.]\+)" | 
| huber | Huber 손실 | 최소화 | "huber: ([0-9\\\\.]\+)" | 
| fair | 공정 손실 | 최소화 | "fair: ([0-9\\\\.]\+)" | 
| binary\_logloss | 바이너리 크로스 엔트로피 | 최대화 | "binary\_logloss: ([0-9\\\\.]\+)" | 
| binary\_error | 바이너리 오류 | 최소화 | "binary\_error: ([0-9\\\\.]\+)" | 
| auc | AUC | 최대화 | "auc: ([0-9\\\\.]\+)" | 
| average\_precision | 평균 정밀도 점수 | 최대화 | "average\_precision: ([0-9\\\\.]\+)" | 
| multi\_logloss | 멀티클래스 교차 엔트로피 | 최대화 | "multi\_logloss: ([0-9\\\\.]\+)" | 
| multi\_error | 다중 클래스 오류 점수 | 최소화 | "multi\_error: ([0-9\\\\.]\+)" | 
| auc\_mu | AUC-MU | 최대화 | "auc\_mu: ([0-9\\\\.]\+)" | 
| cross\_entropy | 교차 엔트로피 | 최소화 | "cross\_entropy: ([0-9\\\\.]\+)" | 

## 튜닝 가능한 LightGBM 하이퍼파라미터
<a name="lightgbm-tunable-hyperparameters"></a>

다음 하이퍼파라미터를 사용하여 LightGBM 모델을 튜닝합니다. LightGBM 평가 지표를 최적화하는데 가장 큰 영향을 미치는 하이퍼파라미터는 `learning_rate`, `num_leaves`, `feature_fraction`, `bagging_fraction`, `bagging_freq`, `max_depth`, `min_data_in_leaf`입니다. 모든 LightGbm 하이퍼파라미터 목록은 [라이트GBM 하이퍼파라미터](lightgbm-hyperparameters.md) 섹션을 참조하세요.


| 파라미터 이름 | 파라미터 유형 | 권장 범위 | 
| --- | --- | --- | 
| learning\_rate | ContinuousParameterRanges | MinValue: 0.001, MaxValue: 0.01 | 
| num\_leaves | IntegerParameterRanges | MinValue: 10, MaxValue: 100 | 
| feature\_fraction | ContinuousParameterRanges | MinValue: 0.1, MaxValue: 1.0 | 
| bagging\_fraction | ContinuousParameterRanges | MinValue: 0.1, MaxValue: 1.0 | 
| bagging\_freq | IntegerParameterRanges | MinValue: 0, MaxValue: 10 | 
| max\_depth | IntegerParameterRanges | MinValue: 15, MaxValue: 100 | 
| min\_data\_in\_leaf | IntegerParameterRanges | MinValue: 10, MaxValue: 200 |