PCA 超参数 - Amazon SageMaker
AWS 文档中描述的 AWS 服务或功能可能因区域而异。要查看适用于中国区域的差异,请参阅中国的 AWS 服务入门

本文属于机器翻译版本。若本译文内容与英语原文存在差异,则一律以英文原文为准。

PCA 超参数

CreateTrainingJob 请求中,您可以指定训练算法。您还可以将特定于算法的 HyperParameters 指定为字符串到字符串映射。下表列出了 Amazon SageMaker 为 PCA 训练算法提供的超参数。有关 PCA 的工作方式的更多信息,请参阅PCA 工作原理

参数名称 描述
feature_dim

输入维度。

必需

有效值:正整数

mini_batch_size

小批中的行数。

必需

有效值:正整数

num_components

要计算的主成分数量。

必需

有效值:正整数

algorithm_mode

用于计算主成分的模式。

可选

有效值:常规随机

默认值:常规

extra_components

随着值增加,答案变得更准确,但运行时和内存消耗呈线性增长。默认值 -1 表示最大值为 10 和 num_components。 仅对随机模式有效。

可选

有效值:非负整数或 -1

默认值:–1

subtract_mean

指示在训练期间和在进行推理时数据是否应该是无偏移的。

可选

有效值:truefalse 之一

默认值:true