RCF 超参数 - 亚马逊 SageMaker AI
Amazon Web Services 文档中描述的 Amazon Web Services 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 Amazon Web Services 服务入门 (PDF)。

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

在 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 AI 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。（如果使用 Random Cut Forest 评估程序，则会为您计算此值而无需指定。）

必填

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 accuracy 或 precision_recall_fscore。

默认值：accuracy 和 precision_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