翻訳は機械翻訳により提供されています。提供された翻訳内容と英語版の間で齟齬、不一致または矛盾がある場合、英語版が優先します。

# SageMaker AI の自動モデルチューニング
<a name="automatic-model-tuning"></a>

Amazon SageMaker AI 自動モデルチューニングは、データセットに対し多数のトレーニングジョブを実行することで、モデルの最適なバージョンを見つけます。Amazon SageMaker AI 自動モデルチューニングは、ハイパーパラメータチューニングとも呼ばれます。これを行うには、指定したアルゴリズムとハイパーパラメータの範囲を使用します。さらに、選択したメトリクスでの測定に基づいて、最もパフォーマンスの高いモデルを作成するハイパーパラメータ値を選択します。

例えば、マーケティングデータセットの*[二項分類](https://docs.aws.amazon.com/glossary/latest/reference/glos-chap.html#binary-classification-model)*問題を実行するとします。目標は、[Amazon SageMaker AI の XGBoost アルゴリズム](xgboost.md) モデルをトレーニングすることにより、アルゴリズムの[カーブの下の領域 (AUC)](https://docs.aws.amazon.com/glossary/latest/reference/glos-chap.html#AUC) メトリクスを最大化することです。**`eta`、`alpha`、`min_child_weight`、`max_depth` ハイパーパラメータのどの値を使用すれば最善のモデルをトレーニングできるのかを特定する必要があります。これらのハイパーパラメータの有効な値の範囲を指定します。次に、SageMaker AI のハイパーパラメータ調整により、これらの範囲内を検索して、AUC が最も高いモデルを作成するトレーニングジョブを作成する組み合わせを見つけます。リソースを節約したり、特定のモデル品質の期待を満たしたりするには、条件が満たされた後に調整を停止する完了基準を設定します。

組み込みアルゴリズム、カスタムアルゴリズム、または機械学習フレームワーク用の SageMaker AI の事前作成済みコンテナを使った、SageMaker AI AMT を使うことができます。

SageMaker AI AMT では、Amazon EC2 スポットインスタンスを使って、トレーニングジョブ実行のコストを最適化できます。詳細については、「[Amazon SageMaker AI でのマネージドスポットトレーニング](model-managed-spot-training.md)」を参照してください。

ハイパーパラメータ調整の使用を開始する前に、次のような明確な機械学習問題がすでに存在しています。
+ データセット
+ トレーニングする必要があるアルゴリズムのタイプの理解
+ どのように成功を測定するかについての明確な理解

SageMaker AI で機能し、トレーニングジョブを 1 回以上正常に実行できるように、データセットとアルゴリズムも準備します。トレーニングジョブの設定方法および実行方法については、「[Amazon SageMaker AI のセットアップガイド](gs.md)」を参照してください。

**Topics**
+ [Amazon SageMaker AI で使用できるハイパーパラメータチューニング戦略を理解する](automatic-model-tuning-how-it-works.md)
+ [メトリクスと環境変数を定義する](automatic-model-tuning-define-metrics-variables.md)
+ [ハイパーパラメータの範囲を定義する](automatic-model-tuning-define-ranges.md)
+ [調整ジョブの追跡および完了基準の設定](automatic-model-tuning-progress.md)
+ [ハイパーパラメータの最適化を使って複数のアルゴリズムをチューニングし、最適なモデルを見つける](multiple-algorithm-hpo.md)
+ [例: ハイパーパラメータ調整ジョブ](automatic-model-tuning-ex.md)
+ [トレーニングジョブを早期停止する](automatic-model-tuning-early-stopping.md)
+ [ウォームスタートのハイパーパラメータ調整ジョブを実行する](automatic-model-tuning-warm-start.md)
+ [自動モデルチューニングリソースの制限](automatic-model-tuning-limits.md)
+ [ハイパーパラメータ調整のベストプラクティス](automatic-model-tuning-considerations.md)