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 RCF 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. Você também pode especificar hiperparâmetros específicos do algoritmo como mapas. string-to-string A tabela a seguir lista os hiperparâmetros do algoritmo Amazon SageMaker AI RCF. Para obter mais informações, incluindo recomendações sobre como escolher hiperparâmetros, consulte [Como o RCF funciona](rcf_how-it-works.md). | Nome do parâmetro | Description | | --- | --- | | feature\$1dim | O número de atributos no conjunto de dados. (Se você usar o estimador de [Random Cut Forest](https://sagemaker.readthedocs.io/en/stable/algorithms/unsupervised/randomcutforest.html), esse valor será calculado para você e não precisará ser especificado.) **Obrigatório** Valores válidos: inteiro positivo (mínimo: 1; máximo: 10000) | | eval\$1metrics | Uma lista de métricas usadas para pontuar um conjunto de dados de teste rotulado. As métricas a seguir podem ser selecionadas para o resultado: [\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/pt_br/sagemaker/latest/dg/rcf_hyperparameters.html) **Opcional** Valores válidos: uma lista com valores possíveis extraídos de `accuracy` ou `precision_recall_fscore`. Valor padrão: `accuracy` e `precision_recall_fscore` são calculados. | | num\$1samples\$1per\$1tree | Número de amostras aleatórias atribuídos a cada árvore do conjunto de dados de treinamento. **Opcional** Valores válidos: inteiro positivo (mínimo: 1; máximo: 2048) Valor padrão: 256 | | num\$1trees | Número de árvores na floresta. **Opcional** Valores válidos: inteiro positivo (mínimo: 50; máximo: 1000) Valor padrão: 100 |