As traduções são geradas por tradução automática. Em caso de conflito entre o conteúdo da tradução e da versão original em inglês, a versão em inglês prevalecerá.

# Hiperparâmetros do PCA
<a name="PCA-reference"></a>

Na solicitação `CreateTrainingJob`, é especificado o algoritmo de treinamento. Você também pode especificar algoritmos específicos HyperParameters como mapas. string-to-string A tabela a seguir lista os hiperparâmetros do algoritmo de treinamento de PCA fornecido pela Amazon SageMaker AI. Para mais informações sobre como o PCA funciona, consulte [Como o PCA funciona](how-pca-works.md). 


| Nome do parâmetro | Description | 
| --- | --- | 
| feature\_dim | Dimensão da entrada.<br />**Obrigatório**<br />Valores válidos: inteiro positivo | 
| mini\_batch\_size | Número de linhas em um minilote.<br />**Obrigatório**<br />Valores válidos: inteiro positivo | 
| num\_components | O número de componentes principais a ser calculado.<br />**Obrigatório**<br />Valores válidos: inteiro positivo | 
| algorithm\_mode | Modo de cálculo dos principais componentes. <br />**Opcional**<br />Valores válidos: *regular* ou *randomized*<br />Valor padrão: *regular* | 
| extra\_components | À medida que o valor aumenta, a solução se torna mais precisa, mas o tempo de execução e o consumo de memória aumenta linearmente. O padrão, -1, significa o máximo de 10 e `num_components`. Válido apenas para o modo *randomized*.<br />**Opcional**<br />Valores válidos: inteiro não negativo ou -1<br />Valor padrão: -1 | 
| subtract\_mean | Indica se os dados devem ser imparciais durante o treinamento e a inferência. <br />**Opcional**<br />Valores válidos: *true* ou *false*<br />Valor padrão: *true* |