RCF 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。

RCF 超参数

CreateTrainingJob请求中,您可以指定训练算法。您还可以指定算法特定的超参数作为字符串到字符串映射。下表列出了 Amazon SageMaker RCF 算法的超参数。有关更多信息,包括如何选择超参数的建议,请参阅 RCF 工作原理.

参数名称 描述
feature_dim

数据集中的特征数。(如果您使用随机森林裁剪评估程序,则会为您计算此值,无需指定。)

必需

有效值:正整数 (最小值:1,最大值:10000)

eval_metrics

用于对标记的测试数据集评分的指标列表。可以为输出选择以下指标:

  • accuracy- 返回正确预测的比例。

  • precision_recall_fscore - 返回正精度、负精度、召回率和 F1 分数。

可选

有效值:可能值列表,获取自 accuracyprecision_recall_fscore.

默认值:accuracyprecision_recall_fscore 都是计算值。

num_samples_per_tree

从训练数据集向每个树提供的随机样本数。

可选

有效值:正整数 (最小值:1,最大值:2048)

默认值:256

num_trees

森林中树的数量。

可选

有效值:正整数 (最小值:50,最大值:1000)

默认值:100