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

# Object2Vec 모델 튜닝
<a name="object2vec-tuning"></a>

하이퍼파라미터 튜닝이라고도 하는 자동 모델 튜닝은 데이터세트에 대한 광범위한 하이퍼파라미터를 테스트하는 여러 작업을 실행하여 최적의 모델 버전을 찾습니다.** 튜닝 가능한 하이퍼파라미터, 각 하이퍼파라미터에 대한 값 범위 및 목표 지표를 선택합니다. 목표 지표에는 알고리즘에서 계산하는 지표 중 하나를 선택합니다. 자동 모델 튜닝은 선택된 하이퍼파라미터를 검색해 목표 지표를 최적화하는 모델을 생성하는 값 조합을 찾습니다.

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

## Object2Vec 알고리즘으로 계산되는 지표
<a name="object2vec-metrics"></a>

Object2Vec 알고리즘에는 분류 및 회귀 지표가 둘 다 있습니다. `output_layer` 유형은 자동 모델 튜닝에 사용할 수 있는 지표를 결정합니다.

### Object2Vec 알고리즘으로 계산되는 Regressor 지표
<a name="object2vec-regressor-metrics"></a>

이 알고리즘은 테스트 및 검증 중 계산되는 평균 제곱근 오차 regressor 지표를 보고합니다. 회귀 작업을 위한 모델을 튜닝하는 경우 이 지표를 목표 지표로 선택합니다.


| 지표 이름 | 설명 | 최적화 방향 | 
| --- | --- | --- | 
| test:mean\_squared\_error | 평균 제곱 오차 | 최소화 | 
| validation:mean\_squared\_error | 평균 제곱 오차 | 최소화 | 

### Object2Vec 알고리즘으로 계산되는 분류 지표
<a name="object2vec-classification-metrics"></a>

Object2Vec 알고리즘은 테스트 및 검증 중 계산되는 정확도 및 교차 엔트로피 분류 지표를 보고합니다. 분류 작업을 위한 모델을 튜닝할 때 이러한 지표 중 하나를 목표로 선택합니다.


| 지표 이름 | 설명 | 최적화 방향 | 
| --- | --- | --- | 
| test:accuracy | 정확도 | 최대화 | 
| test:cross\_entropy | 교차 엔트로피 | 최소화 | 
| validation:accuracy | 정확도 | 최대화 | 
| validation:cross\_entropy | 교차 엔트로피 | 최소화 | 

## 튜닝 가능한 Object2Vec 하이퍼파라미터
<a name="object2vec-tunable-hyperparameters"></a>

Object2Vec 알고리즘에 대한 다음 하이퍼파라미터를 튜닝할 수 있습니다.


| 하이퍼파라미터 이름 | 하이퍼파라미터 유형 | 권장 범위 및 값 | 
| --- | --- | --- | 
| dropout | ContinuousParameterRange | MinValue: 0.0, MaxValue: 1.0 | 
| early\_stopping\_patience | IntegerParameterRange | MinValue: 1, MaxValue: 5 | 
| early\_stopping\_tolerance | ContinuousParameterRange | MinValue: 0.001, MaxValue: 0.1 | 
| enc\_dim | IntegerParameterRange | MinValue: 4, MaxValue: 4096 | 
| enc0\_cnn\_filter\_width | IntegerParameterRange | MinValue: 1, MaxValue: 5 | 
| enc0\_layers | IntegerParameterRange | MinValue: 1, MaxValue: 4 | 
| enc0\_token\_embedding\_dim | IntegerParameterRange | MinValue: 5, MaxValue: 300 | 
| enc1\_cnn\_filter\_width | IntegerParameterRange | MinValue: 1, MaxValue: 5 | 
| enc1\_layers | IntegerParameterRange | MinValue: 1, MaxValue: 4 | 
| enc1\_token\_embedding\_dim | IntegerParameterRange | MinValue: 5, MaxValue: 300 | 
| epochs | IntegerParameterRange | MinValue: 4, MaxValue: 20 | 
| learning\_rate | ContinuousParameterRange | MinValue: 1e-6, MaxValue: 1.0 | 
| mini\_batch\_size | IntegerParameterRange | MinValue: 1, MaxValue: 8192 | 
| mlp\_activation | CategoricalParameterRanges | [`tanh`, `relu`, `linear`] | 
| mlp\_dim | IntegerParameterRange | MinValue: 16, MaxValue: 1024 | 
| mlp\_layers | IntegerParameterRange | MinValue: 1, MaxValue: 4 | 
| optimizer | CategoricalParameterRanges | [`adagrad`, `adam`, `rmsprop`, `sgd`, `adadelta`] | 
| weight\_decay | ContinuousParameterRange | MinValue: 0.0, MaxValue: 1.0 |