RCF 하이퍼파라미터 - Amazon SageMaker AI

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

RCF 하이퍼파라미터

CreateTrainingJob 요청에서 훈련 알고리즘을 지정합니다. 알고리즘별 하이퍼파라미터를 문자열-문자열 맵으로 지정할 수 있습니다. 다음 표에는 Amazon SageMaker AI RCF 알고리즘의 하이퍼파라미터가 나열되어 있습니다. 하이퍼파라미터를 선택하는 방법에 대한 권장 사항을 포함한 자세한 정보는 RCF 작동 방식 섹션을 참조하세요.

파라미터 이름 설명
feature_dim

데이터세트 내 특징 수. Random Cut Forest 예측기를 사용하는 경우 이 값은 자동으로 계산되므로 지정할 필요가 없습니다.

필수

유효한 값: 양의 정수(최소: 1, 최대 10000)
eval_metrics

레이블 지정된 테스트 데이터세트의 점수를 매기는 데 사용되는 지표의 목록. 다음 지표는 출력에 대해 선택할 수 있습니다.

  • accuracy - 올바른 예측의 비율을 반환합니다.

  • precision_recall_fscore - positive 및 negative precision, recall, F1-scores를 반환합니다.

선택 사항

유효한 값: accuracy 또는 precision_recall_fscore에서 가져온 가능한 값을 포함한 목록.

기본값: accuracy, precision_recall_fscore 둘 다 계산됩니다.
num_samples_per_tree

훈련 데이터세트에서 각 트리에 제공되는 임의 샘플의 수.

선택 사항

유효한 값: 양의 정수(최소: 1, 최대 2048)

기본값: 256
num_trees

포레스트에 있는 트리의 수.

선택 사항

유효한 값: 양의 정수(최소: 50, 최대 1000)

기본 값: 100