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。
# 線形学習のハイパーパラメータ
線形学習者アルゴリズムのハイパーパラメータを以下の表に示します。これらは、データからモデルパラメータを推定しやすくするためにユーザが設定するパラメータです。設定の必要がある必須ハイパーパラメータは、アルファベット順に最初に一覧表示されています。設定可能なオプションのハイパーパラメータは、アルファベット順に次に一覧表示されています。ハイパーパラメータが `auto` に設定されている場合、Amazon SageMaker AI はそのハイパーパラメータの値を自動的に計算して設定します。
| Parameter Name | 説明 |
| --- | --- |
| num\_classes | レスポンス変数のクラス数。このアルゴリズムでは、クラスに `0`, ..., `num_classes - 1` のラベルが付けられていると想定します。
`predictor_type` が `multiclass_classifier` の場合、**必須**です。それ以外の場合、アルゴリズムはこれを無視します。
有効な値: 3 ～ 1,000,000 の整数 |
| predictor\_type | ターゲット変数のタイプを、二項分類、複数クラス分類、または回帰として指定します。
**必須**
有効な値: `binary_classifier`、`multiclass_classifier`、または `regressor` |
| accuracy\_top\_k | 複数クラス分類のトップ k 精度メトリクスを計算するときには、*k* の値。モデルがトップ k のスコアの 1 つを実際のラベルに割り当てる場合、サンプルは正しいものとしてスコア付けされます。
**オプション**
有効な値: 正の整数
デフォルト値： 3 |
| balance\_multiclass\_weights | クラスの重みを使用するかどうかを指定します。これにより、損失関数で各クラスの重要度が等しくなります。`predictor_type` が `multiclass_classifier` である場合にのみ使用されます。
**オプション**
有効な値: `true`、`false`
デフォルト値: `false` |
| beta\_1 | 最初のモーメントの見積もりの指数関数的減衰率。`optimizer` の値が `adam` のである場合にのみ適用されます。
**オプション**
有効な値 : `auto` または 0 ～ 1.0 の浮動小数点値
デフォルト値: `auto` |
| beta\_2 | 2 番目のモーメントの見積もりの指数関数的減衰率。`optimizer` の値が `adam` のである場合にのみ適用されます。
**オプション**
有効な値 : `auto` または 0 ～ 1.0 の浮動小数点整数
デフォルト値: `auto` |
| bias\_lr\_mult | バイアス項に別の学習レートを許可します。バイアスの実際の学習レートは `learning_rate` \* `bias_lr_mult` です。
**オプション**
有効な値: `auto` または正の浮動小数点整数
デフォルト値: `auto` |
| bias\_wd\_mult | バイアス項に別の正規化を許可します。バイアスの L2 正規化の実際の重みは、`wd` \* `bias_wd_mult` です。デフォルトでは、バイアス項に正規化はありません。
**オプション**
有効な値: `auto` または負でない浮動小数点整数
デフォルト値: `auto` |
| binary\_classifier\_model\_selection\_criteria | `predictor_type` が `binary_classifier` に設定されている場合は、検証データセット (または検証データセットを指定していない場合はトレーニングデータセット) のモデル評価基準。基準は次のとおりです。[See the AWS documentation website for more details](http://docs.aws.amazon.com/ja_jp/sagemaker/latest/dg/ll_hyperparameters.html)
**オプション**
有効な値: `accuracy`、`f_beta`、`precision_at_target_recall`、`recall_at_target_precision`、または `loss_function`
デフォルト値: `accuracy` |
| early\_stopping\_patience | 関連するメトリクスが改善されない場合にトレーニングを終了するまでに待機するエポックの数。binary\_classifier\_model\_selection\_criteria に値を指定した場合、メトリクスはその値になります。それ以外の場合、メトリクスは loss ハイパーパラメータに指定された値と同じになります。メトリクスは検証データ上で評価されます。検証データを提供していない場合、メトリクスは常に `loss` ハイパーパラメータに指定された値と同じになり、トレーニングデータで評価されます。早期停止を無効にするには、`early_stopping_patience` を `epochs` に指定された値より大きい値に設定します。
**オプション**
有効な値: 正の整数
デフォルト値： 3 |
| early\_stopping\_tolerance | 損失の改善を計測する相対的な許容値。損失改善率から前の最善の損失を除算した値がこの値よりも小さい場合、早期停止は改善がゼロであると見なします。
**オプション**
有効な値: 正の浮動小数点整数
デフォルト値: 0.001 |
| epochs | トレーニングデータへのパスの最大数。
**オプション**
有効な値: 正の整数
デフォルト値: 15 |
| f\_beta | 二項分類または複数クラス分類の F スコアメトリクスを計算するときに使用するベータの値。`binary_classifier_model_selection_criteria` に指定された値が `f_beta` である場合にも使用されます。
**オプション**
有効な値: 正の浮動小数点整数
デフォルト値: 1.0 |
| feature\_dim | 入力データ内の特徴の数。
**オプション**
有効な値: `auto` または正の整数
デフォルト値: `auto` |
| huber\_delta | Huber 損失のパラメータ。トレーニングとメトリクスの評価中、デルタより小さいエラーについては L2 損失、デルタより大きいエラーについては L1 損失を計算します。
**オプション**
有効な値: 正の浮動小数点整数
デフォルト値: 1.0 |
| init\_bias | バイアス項の初期重み。
**オプション**
有効な値: 浮動小数点整数
デフォルト値: 0 |
| init\_method | モデルの重み付けに使用される初期分布関数を設定します。関数は以下のとおりです。[See the AWS documentation website for more details](http://docs.aws.amazon.com/ja_jp/sagemaker/latest/dg/ll_hyperparameters.html)
**オプション**
有効な値: `uniform` または `normal`
デフォルト値: `uniform` |
| init\_scale | モデルの重みに対して初期の uniform 分布をスケーリングします。`init_method` ハイパーパラメータが `uniform` に設定されている場合にのみ適用されます。
**オプション**
有効な値: 正の浮動小数点整数
デフォルト値: 0.07 |
| init\_sigma | 正規分布の初期標準偏差。`init_method` ハイパーパラメータが `normal` に設定されている場合にのみ適用されます。
**オプション**
有効な値: 正の浮動小数点整数
デフォルト値: 0.01 |
| l1 | L1 正則化パラメータ。L1 正則化を使用しないようにするには、値を 0 に設定します。
**オプション**
有効な値: `auto` または負以外の浮動小数点数
デフォルト値: `auto` |
| learning\_rate | パラメータ更新のためにオプティマイザによって使用されるステップサイズ。
**オプション**
有効な値: `auto` または正の浮動小数点整数
デフォルト値: `auto` (選択されているオプティマイザによって値が異なる)。 |
| loss | 損失関数を指定します。
使用可能な損失関数とそのデフォルト値は、`predictor_type` の値によって異なります。[See the AWS documentation website for more details](http://docs.aws.amazon.com/ja_jp/sagemaker/latest/dg/ll_hyperparameters.html)
有効な値: `auto`、`logistic`、`squared_loss`、`absolute_loss`、`hinge_loss`、`eps_insensitive_squared_loss`、`eps_insensitive_absolute_loss`、`quantile_loss`、または `huber_loss`
**オプション**
デフォルト値: `auto` |
| loss\_insensitivity | イプシロンを区別しない損失タイプのパラメータ。トレーニングとメトリクスの評価中、この値より小さいエラーはゼロであると見なされます。
**オプション**
有効な値: 正の浮動小数点整数
デフォルト値: 0.01 |
| lr\_scheduler\_factor | `lr_scheduler_step` ハイパーパラメータごとに、学習レートはこの数量減少します。`use_lr_scheduler` ハイパーパラメータが `true` に設定されている場合にのみ適用されます。
**オプション**
有効な値 : `auto` または 0 ～ 1 の正の浮動小数点整数
デフォルト値: `auto` |
| lr\_scheduler\_minimum\_lr | 学習レートは `lr_scheduler_minimum_lr` に設定された値より低い値まで減少することはありません。`use_lr_scheduler` ハイパーパラメータが `true` に設定されている場合にのみ適用されます。
**オプション**
有効な値: `auto` または正の浮動小数点整数
デフォルト値: `auto` |
| lr\_scheduler\_step | 学習レートの減少の間のステップの数。`use_lr_scheduler` ハイパーパラメータが `true` に設定されている場合にのみ適用されます。
**オプション**
有効な値: `auto` または正の整数
デフォルト値: `auto` |
| margin | `hinge_loss` 関数のマージン。
**オプション**
有効な値: 正の浮動小数点整数
デフォルト値: 1.0 |
| mini\_batch\_size | データイテレーターのミニバッチごとの観測数。
**オプション**
有効な値: 正の整数
デフォルト値: 1000 |
| momentum | `sgd` オプティマイザのモーメンタム。
**オプション**
有効な値 : `auto` または 0 ～ 1.0 の浮動小数点整数
デフォルト値: `auto` |
| normalize\_data | トレーニング前に特徴を正規化します。データ正規化では、0 の平均を持つように各特徴のデータをシフトし、単位標準偏差を持つようにスケーリングします。
**オプション**
有効な値: `auto`、`true`、または `false`
デフォルト値: `true` |
| normalize\_label | ラベルを正規化します。ラベル正規化はゼロの平均を持つようにラベルをシフトし、単位標準偏差を持つようにスケーリングします。
デフォルト値 `auto` では、ラベルは回帰問題に対して正規化されますが、分類問題に対しては正規化されません。分類問題において `normalize_label` ハイパーパラメータを `true` に設定した場合、アルゴリズムはそれを無視します。
**オプション**
有効な値: `auto`、`true`、または `false`
デフォルト値: `auto` |
| num\_calibration\_samples | モデルのキャリブレーション (最適なしきい値を見つけるとき) のために使用する、検証データセットから取得した観測値の数。
**オプション**
有効な値: `auto` または正の整数
デフォルト値: `auto` |
| num\_models | 並列でトレーニングするモデルの数。デフォルトの `auto` では、アルゴリズムが並列でトレーニングするモデルの数を決定します。1 つのモデルのトレーニングは指定されたトレーニングパラメータ (regularization、optimizer、loss) に従って行われ、その他はクローズパラメータによって行われます。
**オプション**
有効な値: `auto` または正の整数
デフォルト値: `auto` |
| num\_point\_for\_scaler | 正規化の計算または項のバイアス解除に使用するデータポイントの数。
**オプション**
有効な値: 正の整数
デフォルト値: 10,000 |
| optimizer | 使用する最適化アルゴリズム。
**オプション**
有効な値:[See the AWS documentation website for more details](http://docs.aws.amazon.com/ja_jp/sagemaker/latest/dg/ll_hyperparameters.html)
デフォルト値: `auto`。`auto` のデフォルトの設定は `adam` です。 |
| positive\_example\_weight\_mult | 二項分類子をトレーニングするときに正のサンプルに割り当てられる重み。負の例の重みは 1 で固定されます。負の例*と*正の例を分類する際のエラーがトレーニング損失に等しい影響を与えるようにアルゴリズムに重みを選択させるには、`balanced` を指定します。アルゴリズムにパフォーマンスを最適化する重みを選択させるには、`auto` を指定します。
**オプション**
有効な値:`balanced`、`auto`、または正の浮動小数点整数
デフォルト値: 1.0 |
| quantile | 分位損失の分位数。分位数 q については、モデルは `true_label` の値が確率 q の予測より大きくなるように予測を作成しようとします。
**オプション**
有効な値 : 0 ～ 1 の浮動小数点整数
デフォルト値: 0.5 |
| target\_precision | 目標適合率。`binary_classifier_model_selection_criteria` が `recall_at_target_precision` である場合、再現率は最大化される一方で、適合率はこの値で保持されます。
**オプション**
有効な値 : 0 ～ 1.0 の浮動小数点整数
デフォルト値: 0.8 |
| target\_recall | 目標再現率。`binary_classifier_model_selection_criteria` が `precision_at_target_recall` である場合、適合率は最大化される一方で、再現率はこの値で保持されます。
**オプション**
有効な値 : 0 ～ 1.0 の浮動小数点整数
デフォルト値: 0.8 |
| unbias\_data | 平均が 0 になるように、トレーニング前に特徴のバイアスを解除します。デフォルトでは、`use_bias` ハイパーパラメータが `true` に設定されると、データのバイアスは解除されます。
**オプション**
有効な値: `auto`、`true`、または `false`
デフォルト値: `auto` |
| unbias\_label | 平均が 0 になるように、トレーニング前にラベルのバイアスを解除します。`use_bias` ハイパーパラメータが `true` に設定されている場合にのみ、回帰に適用されます。
**オプション**
有効な値: `auto`、`true`、または `false`
デフォルト値: `auto` |
| use\_bias | モデルにバイアス項 (線形方程式の切片項) を含めるかどうかを指定します。
**オプション**
有効な値: `true` または `false`
デフォルト値: `true` |
| use\_lr\_scheduler | 学習レートにスケジューラを使用するかどうか。スケジューラを使用するには、`true` を指定します。
**オプション**
有効な値: `true` または `false`
デフォルト値: `true` |
| wd | 重み付け減衰パラメータ。L2 正則化パラメータとも呼ばれます。L2 正則化を使用しないようにするには、値を 0 に設定します。
**オプション**
有効な値: `auto` または負でない浮動小数点整数
デフォルト値: `auto` |