기계 번역으로 제공되는 번역입니다. 제공된 번역과 원본 영어의 내용이 상충하는 경우에는 영어 버전이 우선합니다.
# TabTransformer 모델 튜닝
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 다음 하이퍼파라미터에 초점을 맞춥니다.
**참고**
학습 목표 함수 및 평가 지표는 둘 다 분류 작업 유형(레이블 열에 표시된 고유 정수의 개수로 결정됨)에 따라 자동으로 할당됩니다. 자세한 내용은 [TabTransformer 하이퍼파라미터](tabtransformer-hyperparameters.md) 섹션을 참조하세요.
+ 모델 훈련 중에 최적화하기 위한 학습 목표 함수
+ 검증 중에 모델 성능을 평가하는 데 사용되는 평가 지표
+ 모델을 자동 튜닝할 때 사용할 하이퍼파라미터 세트와 각 값의 범위
자동 모델 튜닝은 선택한 하이퍼파라미터를 검색하여 선택된 평가 지표를 최적화하는 모델을 만드는 값 조합을 찾습니다.
**참고**
TabTransformer용 자동 모델 튜닝은 Amazon SageMaker SDK에서만 사용할 수 있으며, SageMaker AI 콘솔에서는 사용할 수 없습니다.
모델 튜닝에 대한 추가 정보는 [SageMaker AI로 자동 모델 튜닝](automatic-model-tuning.md) 섹션을 참조하세요.
## TabTransformer 알고리즘으로 계산한 평가 지표
SageMaker AI TabTransformer 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 | Regex 패턴 |
| --- | --- | --- | --- |
| r2 | r 제곱 | 최대화 | "metrics=\$1'r2': (\$1\$1S\$1)\$1" |
| f1\$1score | 바이너리 교차 엔트로피 | 최대화 | "metrics=\$1'f1': (\$1\$1S\$1)\$1" |
| accuracy\$1score | 멀티클래스 교차 엔트로피 | 최대화 | "metrics=\$1'accuracy': (\$1\$1S\$1)\$1" |
## 튜닝 가능한 TabTransformer 하이퍼파라미터
다음 하이퍼파라미터를 사용하여 TabTransformer 모델을 튜닝하세요. TabTransformer 평가 지표의 최적화에 가장 큰 영향을 미치는 하이퍼파라미터는 `learning_rate`, `input_dim`, `n_blocks`, `attn_dropout`, `mlp_dropout`, `frac_shared_embed`입니다. 모든 TabTransformer 하이퍼파라미터의 목록은 [TabTransformer 하이퍼파라미터](tabtransformer-hyperparameters.md)를 참조하세요.
| 파라미터 이름 | 파라미터 유형 | 권장 범위 |
| --- | --- | --- |
| learning\$1rate | ContinuousParameterRanges | 최솟값: 0.001, 최댓값: 0.01 |
| input\$1dim | CategoricalParameterRanges | [16, 32, 64, 128, 256, 512] |
| n\$1blocks | IntegerParameterRanges | 최솟값: 1, 최댓값: 12 |
| attn\$1dropout | ContinuousParameterRanges | 최솟값: 0.0, 최댓값: 0.8 |
| mlp\$1dropout | ContinuousParameterRanges | 최솟값: 0.0, 최댓값: 0.8 |
| frac\$1shared\$1embed | ContinuousParameterRanges | MinValue: 0.0, MaxValue: 0.5 |