本文為英文版的機器翻譯版本，如內容有任何歧義或不一致之處，概以英文版為準。

# K 平均數超參數
<a name="k-means-api-config"></a>

在 [https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_CreateTrainingJob.html](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_CreateTrainingJob.html) 請求中，請指定您想要使用的訓練演算法。您也可以指定演算法特定的超參數做為字串對字串的對應。下表為 Amazon SageMaker AI 所提供的 K 平均數訓練演算法的超參數。如需 K 平均數如何建立叢集的詳細資訊，請參閱[K 平均數叢集的運作方式](algo-kmeans-tech-notes.md)。


| 參數名稱 | Description | 
| --- | --- | 
| feature\$1dim | 輸入資料中的特徵數量。 **必要** 有效值：正整數  | 
| k |  所需叢集的數目。 **必要** 有效值：正整數  | 
| epochs | 經由訓練資料傳遞完成的次數。 **選用** 有效值：正整數 預設值：1  | 
| eval\$1metrics | 用於報告模型分數的指標類型 JSON 清單。允許的值為用於均方偏差的 `msd` 和用於平方距離總和的 `ssd`。如果提供測試資料，則針對每個請求的指標回報分數。 **選用** 有效值：`[\"msd\"]` 或 `[\"ssd\"]` 或 `[\"msd\",\"ssd\"]`。 預設值：`[\"msd\"]`  | 
| extra\$1center\$1factor | 此演算法會在執行時建立 K 個中心 = `num_clusters` \$1 `extra_center_factor`，並在完成模型時將中心的數量從 K 縮減至 `k`。 **選用** 有效值：正整數或 `auto`。 預設值：`auto`  | 
| half\$1life\$1time\$1size | 在計算叢集平均值時用以判斷提供給觀察項的權重。此權重也會隨著觀察到更多點，呈指數衰減。當首先觀察到點時，它會在計算叢集平均值時獲指派權數 1。針對指數衰減函式選擇衰減不變，以便在觀察 `half_life_time_size` 個點後，其權重為 1/2。若設為 0，則不會衰減。 **選用** 有效值：非負整數 預設值：0  | 
| init\$1method | 演算法選擇初始叢集中心的方法。標準 k 平均值方法會隨機選擇它們。其他 k 平均值\$1\$1 方法隨機選擇第一個叢集中心。然後，依與現有中心剩餘資料點的距離平方呈成比的機率分布，按比例選取中心，散布剩餘初始叢集的位置。 **選用** 有效值：`random` 或 `kmeans++`。 預設值：`random`  | 
| local\$1lloyd\$1init\$1method | 用來建置包含 `k` 個中心之最終模型的 Lloyd 最大期望 (EM) 程序初始化方法。 **選用** 有效值：`random` 或 `kmeans++`。 預設值：`kmeans++`  | 
| local\$1lloyd\$1max\$1iter | 用來建置包含 `k` 個中心之最終模型的 Lloyd 最大期望 (EM) 程序疊代運算次數上限。 **選用** 有效值：正整數 預設值：300  | 
| local\$1lloyd\$1num\$1trials | 損失最少之 Lloyd 最大期望 (EM) 程序的次數，是在建置包含 `k` 個中心的最終模型時執行。 **選用** 有效值：正整數或 `auto`。 預設值：`auto`  | 
| local\$1lloyd\$1tol | 用來建置包含 `k` 個中心之最終模型以提早停止 Lloyd 最大期望 (EM) 程序的損失變更容錯能力。 **選用** 有效值：浮點數。範圍在 [0, 1] 之間。 預設值：0.0001  | 
| mini\$1batch\$1size | 資料反覆運算器每個微型批次的觀察項數量。 **選用** 有效值：正整數 預設值：5000  |