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.

# Hiperparâmetros do k-means
<a name="k-means-api-config"></a>

Na solicitação [https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_CreateTrainingJob.html](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_CreateTrainingJob.html), é especificado o algoritmo de treinamento que você deseja utilizar. Você também pode especificar hiperparâmetros específicos do algoritmo como mapas. string-to-string A tabela a seguir lista os hiperparâmetros do algoritmo de treinamento k-means fornecido pela Amazon SageMaker AI. Para obter mais informações sobre como funciona o clustering de k-means, consulte [Como funciona o clustering do k-means](algo-kmeans-tech-notes.md).


| Nome do parâmetro | Description | 
| --- | --- | 
| feature\$1dim | O número de atributos nos dados de entrada. **Obrigatório** Valores válidos: inteiro positivo  | 
| k |  O número de clusters necessários. **Obrigatório** Valores válidos: inteiro positivo  | 
| epochs | O número de passagens realizadas nos dados de treinamento. **Opcional** Valores válidos: inteiro positivo Valor padrão: 1  | 
| eval\$1metrics | Uma lista JSON de tipos de métrica usadas para relatar uma pontuação para o modelo. Os valores permitidos são `msd` para desvio quadrado médio e `ssd` para a soma da distância quadrada. Se os dados de teste forem fornecidos, a pontuação será relatada para cada uma das métricas solicitadas. **Opcional** Valores válidos: `[\"msd\"]` ou `[\"ssd\"]` ou `[\"msd\",\"ssd\"]`. Valor padrão: `[\"msd\"]`  | 
| extra\$1center\$1factor | O algoritmo cria os centros K = `num_clusters` \$1 `extra_center_factor` durante sua execução e reduz o número de centros de K para `k` ao finalizar o modelo. **Opcional** Valores válidos: um número inteiro positivo ou `auto`. Valor padrão: `auto`  | 
| half\$1life\$1time\$1size | Usado para determinar o peso dado a uma observação ao calcular uma média de cluster. Esse peso decai exponencialmente à medida que mais pontos são observados. Quando um ponto é observado pela primeira vez, é atribuído um peso de 1 ao calcular a média do cluster. A constante de degradação para a função de decaimento exponencial é escolhida de modo que após observar `half_life_time_size` pontos, seu peso seja de 1/2. Se definido como 0, não há degradação. **Opcional** Valores válidos: inteiro não negativo Valor padrão: 0  | 
| init\$1method | Método pelo qual o algoritmo escolhe os centros de cluster iniciais. A abordagem k-means padrão as escolhe aleatoriamente. Um método alternativo k-means\$1\$1 escolhe o primeiro centro de cluster aleatoriamente. Em seguida, ele distribui a posição dos demais grupos iniciais ponderando a seleção de centros com uma distribuição de probabilidade proporcional ao quadrado da distância dos demais pontos de dados dos centros existentes. **Opcional** Valores válidos: `random` ou `kmeans++`. Valor padrão: `random`  | 
| local\$1lloyd\$1init\$1method | O método de inicialização para o procedimento de maximização da expectativa (EM) de Lloyd utilizado para construir o modelo final contendo `k` centros. **Opcional** Valores válidos: `random` ou `kmeans++`. Valor padrão: `kmeans++`  | 
| local\$1lloyd\$1max\$1iter | O número máximo de iterações para o procedimento de maximização da expectativa (EM) de Lloyd utilizado para construir o modelo final contendo `k` centros. **Opcional** Valores válidos: inteiro positivo Valor padrão: 300  | 
| local\$1lloyd\$1num\$1trials | O número de vezes que o procedimento de maximização da expectativa (EM) de Lloyd com a menor perda é executado ao construir o modelo final contendo `k` centros. **Opcional** Valores válidos: um número inteiro positivo ou `auto`. Valor padrão: `auto`  | 
| local\$1lloyd\$1tol | A tolerância para a mudança na perda de interrupção precoce do procedimento de maximização da expectativa (EM) de Lloyd utilizada para construir o modelo final contendo `k` centros. **Opcional** Valores válidos: flutuante. Intervalo em [0, 1]. Valor padrão: 0.0001  | 
| mini\$1batch\$1size | O número de observações por minilote para o iterador de dados. **Opcional** Valores válidos: inteiro positivo Valor padrão: 5000  |