As traduções são geradas por tradução automática. Em caso de conflito entre o conteúdo da tradução e da versão original em inglês, a versão em inglês prevalecerá.

# Ajustar um CatBoost modelo
<a name="catboost-tuning"></a>

O *ajuste automático de modelos*, também conhecido como ajuste de hiperparâmetros, localiza a melhor versão de um modelo executando vários trabalhos que testam uma série de hiperparâmetros no seu conjunto de dados. O ajuste do modelo se concentra nos seguintes hiperparâmetros:

**nota**  
A função de perda de aprendizado é atribuída automaticamente com base no tipo de tarefa de classificação, que é determinado pelo número de números inteiros exclusivos na coluna do rótulo. Para obter mais informações, consulte [CatBoost hiperparâmetros](catboost-hyperparameters.md).
+ uma função de aprendizado para otimizar durante o treinamento do modelo
+ Uma métrica de avaliação usada para avaliar o desempenho do modelo durante a validação
+ Um conjunto de hiperparâmetros e uma faixa de valores para cada um usar ao ajustar o modelo automaticamente

O ajuste de modelo automático pesquisa os seus hiperparâmetros escolhidos para encontrar a combinação de valores que resultam no modelo que otimiza a métrica escolhida.

**nota**  
O ajuste automático do modelo CatBoost está disponível apenas na Amazon SageMaker SDKs, não no console de SageMaker IA.

Para mais informações sobre o ajuste de modelos, consulte [Ajuste automático do modelo com SageMaker IA](automatic-model-tuning.md).

## Métricas de avaliação calculadas pelo algoritmo CatBoost
<a name="catboost-metrics"></a>

O CatBoost algoritmo de SageMaker IA calcula as seguintes métricas para usar na validação do modelo. A métrica de avaliação é atribuída automaticamente com base no tipo de tarefa de classificação, que é determinado pelo número de números inteiros exclusivos na coluna do rótulo.


| Nome da métrica | Description | Direção de otimização | Padrão Regex | 
| --- | --- | --- | --- | 
| RMSE | erro quadrático médio. | minimizar | "bestTest = ([0-9\\\\.]\+)" | 
| MAE | erro absoluto médio | minimizar | "bestTest = ([0-9\\\\.]\+)" | 
| MedianAbsoluteError | erro absoluto mediano | minimizar | "bestTest = ([0-9\\\\.]\+)" | 
| R2 | pontuação r2 | maximizar | "bestTest = ([0-9\\\\.]\+)" | 
| Logloss | entropia cruzada binária | maximizar | "bestTest = ([0-9\\\\.]\+)" | 
| Precision | precisão | maximizar | "bestTest = ([0-9\\\\.]\+)" | 
| Recall | recall | maximizar | "bestTest = ([0-9\\\\.]\+)" | 
| F1 | pontuação de f1 | maximizar | "bestTest = ([0-9\\\\.]\+)" | 
| AUC | pontuação de auc | maximizar | "bestTest = ([0-9\\\\.]\+)" | 
| MultiClass | entropia cruzada multiclasse | maximizar | "bestTest = ([0-9\\\\.]\+)" | 
| Accuracy | accuracy | maximizar | "bestTest = ([0-9\\\\.]\+)" | 
| BalancedAccuracy | precisão balanceada | maximizar | "bestTest = ([0-9\\\\.]\+)" | 

## Hiperparâmetros ajustáveis CatBoost
<a name="catboost-tunable-hyperparameters"></a>

Ajuste o CatBoost modelo com os seguintes hiperparâmetros. Os hiperparâmetros que têm o maior efeito na otimização das métricas de CatBoost avaliação são:`learning_rate`, `depth``l2_leaf_reg`, e. `random_strength` Para obter uma lista de todos os CatBoost hiperparâmetros, consulte[CatBoost hiperparâmetros](catboost-hyperparameters.md).


| Nome do parâmetro | Tipo de parâmetro | Intervalos recomendados | 
| --- | --- | --- | 
| learning\_rate | ContinuousParameterRanges | MinValue: 0,001, MaxValue: 0,01 | 
| depth | IntegerParameterRanges | MinValue: 4, MaxValue 10 | 
| l2\_leaf\_reg | IntegerParameterRanges | MinValue: 2, MaxValue 10 | 
| random\_strength | ContinuousParameterRanges | MinValue: 0, MaxValue 10 |