Terjemahan disediakan oleh mesin penerjemah. Jika konten terjemahan yang diberikan bertentangan dengan versi bahasa Inggris aslinya, utamakan versi bahasa Inggris.

# Hiperparameter PCA
<a name="PCA-reference"></a>

Dalam `CreateTrainingJob` permintaan, Anda menentukan algoritma pelatihan. Anda juga dapat menentukan algoritme-spesifik HyperParameters sebagai string-to-string peta. Tabel berikut mencantumkan hyperparameters untuk algoritma pelatihan PCA yang disediakan oleh Amazon SageMaker AI. Untuk informasi selengkapnya tentang cara kerja PCA, lihat[Bagaimana PCA Bekerja](how-pca-works.md). 


| Nama Parameter | Deskripsi | 
| --- | --- | 
| feature\_dim | Dimensi masukan.<br />**Diperlukan**<br />Nilai yang valid: bilangan bulat positif | 
| mini\_batch\_size | Jumlah baris dalam batch mini.<br />**Diperlukan**<br />Nilai yang valid: bilangan bulat positif | 
| num\_components | Jumlah komponen utama untuk dihitung.<br />**Diperlukan**<br />Nilai yang valid: bilangan bulat positif | 
| algorithm\_mode | Mode untuk menghitung komponen utama. <br />**Opsional**<br />Nilai yang valid: *reguler* atau *acak*<br />Nilai default: *reguler* | 
| extra\_components | Ketika nilai meningkat, solusinya menjadi lebih akurat tetapi runtime dan konsumsi memori meningkat secara linier. Default, -1, berarti maksimum 10 dan`num_components`. Hanya berlaku untuk mode *acak*.<br />**Opsional**<br />Nilai yang valid: Bilangan bulat non-negatif atau -1<br />Nilai default: -1 | 
| subtract\_mean | Menunjukkan apakah data harus tidak bias baik selama pelatihan maupun pada inferensi. <br />**Opsional**<br />Nilai yang valid: Salah satu *benar* atau *salah*<br />Nilai default: *benar* |