本文為英文版的機器翻譯版本，如內容有任何歧義或不一致之處，概以英文版為準。

# 調校 IP Insights 模型
<a name="ip-insights-tuning"></a>

*自動模型調校* (又稱為超參數調校) 會透過在您的資料集上執行許多任務來測試一個超參數範圍，尋找模型的最佳版本。您可以選擇可調校的超參數、每一個超參數的值範圍，及目標指標。您可以從演算法運算的指標中選擇目標指標。自動模型調校會搜尋所選擇的超參數，以找出產生之模型可最佳化目標指標的值組合。

如需模型調校的詳細資訊，請參閱[使用 SageMaker AI 執行自動模型調校](automatic-model-tuning.md)。

## IP Insights 演算法所運算的指標
<a name="ip-insights-metrics"></a>

Amazon SageMaker AI IP Insights 演算法是一種無監督學習演算法，會學習 IP 地址和實體間的關聯。演算法會訓練鑑別器模型，該模型學習將觀察資料點 (*正面樣本*) 與隨機產生資料點 (*負面樣本*) 分隔。IP Insights 的自動模型調校可協助您尋找能最準確分辨未標籤驗證資料及自動產生負面樣本的模型。驗證資料集上的模型準確度則會以接收者操作特徵曲線下方的區域測量。此 `validation:discriminator_auc` 指標的值可以介於 0.0 和 1.0 間，其中 1.0 表示完美準確度。

IP Insights 會在驗證期間運算一個 `validation:discriminator_auc` 指標，該指標的值會用來做為目標函式，最佳化超參數調校。


| 指標名稱 | Description | 最佳化方向 | 
| --- | --- | --- | 
| validation:discriminator\$1auc |  驗證資料集上接收器作業特性曲線下的區域。驗證資料集並未標籤。曲線下的區域 (AUC) 是一項指標，描述模型分辨驗證資料點及隨機產生資料點的能力。  |  最大化  | 

## 可調校 IP Insights 超參數
<a name="ip-insights-tunable-hyperparameters"></a>

您可以調校下列 SageMaker AI IP Insights 演算法的超參數。


| 參數名稱 | 參數類型 | 建議範圍 | 
| --- | --- | --- | 
| 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  |