기계 번역으로 제공되는 번역입니다. 제공된 번역과 원본 영어의 내용이 상충하는 경우에는 영어 버전이 우선합니다.

# IP Insights 모델 튜닝
<a name="ip-insights-tuning"></a>

자동 모델 튜닝은 하이퍼파라미터 튜닝이라고도 하는데, 데이터 세트에 대해 광범위한 하이퍼파라미터 범위를 테스트하는 여러 작업을 실행하여 최적의 모델 버전을 찾습니다.** 튜닝 가능한 하이퍼파라미터, 각 하이퍼파라미터에 대한 값 범위 및 목표 지표를 선택합니다. 알고리즘에서 계산하는 지표 중에서 목표 지표를 선택합니다. 자동 모델 튜닝은 선택한 하이퍼파라미터를 검색하여 목표 지표를 최적화하는 모델을 만드는 값 조합을 찾습니다.

모델 튜닝에 대한 추가 정보는 [SageMaker AI로 자동 모델 튜닝](automatic-model-tuning.md) 섹션을 참조하세요.

## IP Insights 알고리즘으로 계산되는 지표
<a name="ip-insights-metrics"></a>

Amazon SageMaker AI IP Insights 알고리즘은 IP 주소와 엔터티 간 연결을 학습하는 비지도 학습 알고리즘입니다. 이 알고리즘은 관측 데이터 포인트(포지티브 샘플)와 무작위로 생성된 데이터 포인트(네거티브 샘플)를 구분하도록 학습하는 판별자 모델을 훈련합니다.**** IP Insights에 대한 자동 모델 튜닝은 라벨링되지 않은 검증 데이터와 자동으로 생성된 네거티브 샘플을 가장 정확하게 구분할 수 있는 모델을 찾는데 도움을 줍니다. 유효성 검사 데이터 세트에 대한 모델 정확도는 Receiver Operating Characteristic(ROC) 곡선 아래의 면적으로 측정됩니다. 이 `validation:discriminator_auc` 지표는 0.0\$11.0의 값을 가질 수 있는데, 여기서 1.0은 완벽한 정확도를 나타냅니다.

IP Insights 알고리즘은 검증 중 `validation:discriminator_auc` 지표를 계산해, 이 지표의 값을 하이퍼파라미터 튜닝을 위해 최적화하기 위한 목표 함수로 사용합니다.


| 지표 이름 | 설명 | 최적화 방향 | 
| --- | --- | --- | 
| validation:discriminator\$1auc |  유효성 검사 데이터 세트의 ROC 곡선 아래 영역. 검증 데이터 세트는 라벨링되지 않습니다. Area Under the Curve(AUC)는 유효성 검사 데이터 포인트와 무작위로 생성된 데이터 포인트를 구분할 수 있는 모델의 능력을 나타내는 지표입니다.  |  최대화  | 

## 튜닝 가능한 IP Insights 하이퍼파라미터
<a name="ip-insights-tunable-hyperparameters"></a>

SageMaker AI IP Insights 알고리즘에 대한 다음 하이퍼파라미터를 튜닝할 수 있습니다.


| 파라미터 이름 | 파라미터 유형 | 권장 범위 | 
| --- | --- | --- | 
| epochs |  IntegerParameterRange  |  MinValue: 1, MaxValue: 100  | 
| learning\$1rate |  ContinuousParameterRange  |  MinValue: 1e-4, MaxValue: 0.1  | 
| mini\$1batch\$1size |  IntegerParameterRanges  |  MinValue: 100, MaxValue: 50000  | 
| num\$1entity\$1vectors |  IntegerParameterRanges  |  MinValue: 10000, MaxValue: 1000000  | 
| num\$1ip\$1encoder\$1layers |  IntegerParameterRanges  |  MinValue: 1, MaxValue: 10  | 
| random\$1negative\$1sampling\$1rate |  IntegerParameterRanges  |  MinValue: 0, MaxValue: 10  | 
| shuffled\$1negative\$1sampling\$1rate |  IntegerParameterRanges  |  MinValue: 0, MaxValue: 10  | 
| vector\$1dim |  IntegerParameterRanges  |  MinValue: 8, MaxValue: 256  | 
| weight\$1decay |  ContinuousParameterRange  |  MinValue: 0.0, MaxValue: 1.0  |