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 XGBoost
A tabela a seguir contém o subconjunto de hiperparâmetros que são necessários ou mais comumente usados para o algoritmo Amazon SageMaker XGBoost. Esses parâmetros são definidos pelos usuários para facilitar a estimativa dos parâmetros do modelo a partir dos dados. Os hiperparâmetros necessários que devem ser definidos são listados primeiro, em ordem alfabética. Os hiperparâmetros opcionais que podem ser configurados são listados em seguida, também em ordem alfabética. O algoritmo SageMaker XGBoost é uma implementação do pacote DMLC XGBoost de código aberto. Para obter detalhes sobre o conjunto completo de hiperparâmetros que podem ser configurados para esta versão do XGBoost, consulte Parâmetros do XGBoost
| Nome do parâmetro | Descrição |
|---|---|
num_class |
O número de classes. Obrigatório se Valores válidos: inteiro. |
num_round |
O número de rodadas para execução do treinamento. Obrigatório Valores válidos: inteiro. |
alpha |
Termo de regularização L1 nos pesos. Aumentar esse valor torna os modelos mais conservadores. Opcional Valores válidos: flutuante. Valor padrão: 0 |
base_score |
A pontuação de previsão inicial de todas as instâncias, a polarização global. Opcional Valores válidos: flutuante. Valor padrão: 0.5 |
booster |
O objeto de aumento a ser usado. Os valores Opcional Valores válidos: string. Valor padrão: |
colsample_bylevel |
Taxa de subsampling de colunas para cada divisão, em cada nível. Opcional Valores válidos: flutuante. Intervalo: [0,1]. Valor padrão: 1 |
colsample_bynode |
Taxa de subamostra de colunas de cada nó. Opcional Valores válidos: flutuante. Intervalo: [0,1]. Valor padrão: 1 |
colsample_bytree |
Taxa de subsampling de colunas ao criar cada árvore. Opcional Valores válidos: flutuante. Intervalo: [0,1]. Valor padrão: 1 |
csv_weights |
Quando esse sinalizador está habilitado, o XGBoost diferencia a importância de instâncias para a entrada csv usando a segunda coluna (a coluna após os rótulos) nos dados de treinamento como os pesos da instância. Opcional Valores válidos: 0 ou 1 Valor padrão: 0 |
deterministic_histogram |
Quando esse sinalizador é habilitado, o XGBoost cria o histograma na GPU de forma determinística. Usado somente quando Para obter uma lista completa de entradas válidas, consulte este artigo sobre parâmetros do XGBoost Opcional Valores válidos: string. Intervalo: Valor padrão: |
early_stopping_rounds |
O modelo será treinado até que a pontuação de validação pare de melhorar. O erro de validação precisa diminuir pelo menos Opcional Valores válidos: inteiro. Valor padrão: - |
eta |
Diminuição do tamanho das etapas: técnica usada em atualizações para evitar o sobreajuste. Depois de cada etapa de aumento, você pode obter os pesos dos novos recursos diretamente. Na verdade, o parâmetro Opcional Valores válidos: flutuante. Intervalo: [0,1]. Valor padrão: 0.3 |
eval_metric |
Métricas de avaliação para os dados de validação. Uma métrica padrão é atribuída de acordo com o objetivo:
Para obter uma lista de entradas válidas, consulte Parâmetros de tarefa de aprendizado do XGBoost Opcional Valores válidos: string. Valor padrão: de acordo com o objetivo. |
gamma |
A redução de perda mínima necessária para fazer uma partição adicional em um nó de folha da árvore. Quanto maior for o parâmetro, mais conservador será o algoritmo. Opcional Valores válidos: flutuante. Intervalo: [0,∞). Valor padrão: 0 |
grow_policy |
Controla a forma como os novos nós são adicionados à árvore. No momento, ele apenas tem suporte quando Opcional Valores válidos: string. Valor padrão: |
interaction_constraints |
Especifique grupos de variáveis que podem interagir. Opcional Valores válidos: Lista aninhada de números inteiros. Cada número inteiro representa um atributo, e cada lista aninhada contém atributos que podem interagir, por exemplo, [[1,2], [3,4,5]]. Valor padrão: Nenhum |
lambda |
Termo de regularização L2 nos pesos. Aumentar esse valor torna os modelos mais conservadores. Opcional Valores válidos: flutuante. Valor padrão: 1 |
lambda_bias |
Termo de regularização L2 na polarização. Opcional Valores válidos: flutuante. Intervalo: [0.0, 1.0]. Valor padrão: 0 |
max_bin |
O número máximo de compartilhamentos distintos para os recursos contínuos de bucket. Usado somente quando Opcional Valores válidos: inteiro. Valor padrão: 256 |
max_delta_step |
O máximo de etapas delta permitido para a estimativa de peso de cada árvore. Quando um inteiro positivo é usado, ajuda a tornar a atualização mais conservadora. A opção preferida é usá-lo em regressão logística. Defina-o como 1 a 10 para ajudar a controlar a atualização. Opcional Valores válidos: inteiro. Intervalo: [0,∞). Valor padrão: 0 |
max_depth |
A profundidade máxima de uma árvore. Aumentar esse valor torna o modelo mais complexo e propenso a sofrer sobreajuste. 0 indica que não há limite. Um limite é necessário quando Opcional Valores válidos: inteiro. Intervalo: [0,∞) Valor padrão: 6 |
max_leaves |
O número máximo de nós a ser adicionado. Relevante apenas quando Opcional Valores válidos: inteiro. Valor padrão: 0 |
min_child_weight |
A soma mínima de peso de instância (hessiano) necessária em um elemento filho. Se a etapa de partição da árvore resulta em um nó de folha com a soma de peso de instância inferior a Opcional Valores válidos: flutuante. Intervalo: [0,∞). Valor padrão: 1 |
monotone_constraints |
Especifica as restrições de monotonicidade em qualquer atributo. Opcional Valores válidos: Tupla de números inteiros. Números inteiros válidos: -1 (restrição decrescente), 0 (sem restrição), 1 (restrição crescente). Por exemplo, (0, 1): Nenhuma restrição no primeiro preditor e uma restrição crescente no segundo. (-1, 1): Restrição decrescente no primeiro preditor e uma restrição crescente no segundo. Valor padrão: (0, 0) |
normalize_type |
Tipo de algoritmo de normalização. Opcional Valores válidos: tree ou forest. Valor padrão: tree |
nthread |
Número de threads paralelos usado para executar xgboost. Opcional Valores válidos: inteiro. Valor padrão: o número máximo de threads. |
objective |
Especifica a tarefa de aprendizagem e o objetivo de aprendizagem correspondente. Exemplos: Opcional Valores válidos: string Valor padrão: |
one_drop |
Quando esse sinalizador está habilitado, pelo menos uma árvore é sempre descartada durante o processo. Opcional Valores válidos: 0 ou 1 Valor padrão: 0 |
process_type |
O tipo de processo de aumento a ser executado. Opcional Valores válidos: string. Valor padrão: |
rate_drop |
A taxa de abandono que especifica a fração de árvores anteriores a serem descartadas durante o abandono. Opcional Valores válidos: flutuante. Intervalo: [0.0, 1.0]. Valor padrão: 0.0 |
refresh_leaf |
Este é um parâmetro do plug-in do atualizador "refresh". Quando definido como Opcional Valores válidos: 0/1 Valor padrão: 1 |
sample_type |
Tipo de algoritmo de amostragem. Opcional Valores válidos: Valor padrão: |
scale_pos_weight |
Controla o equilíbrio dos pesos positivos e negativos. É útil para classes desbalanceadas. Um valor típico a ser considerado: Opcional Valores válidos: flutuante Valor padrão: 1 |
seed |
Origem de número aleatório. Opcional Valores válidos: inteiro Valor padrão: 0 |
single_precision_histogram |
Quando esse sinalizador estiver habilitado, o XGBoost usará precisão única para criar histogramas em vez de precisão dupla. Usado somente se Para obter uma lista completa de entradas válidas, consulte este artigo sobre parâmetros do XGBoost Opcional Valores válidos: string. Intervalo: Valor padrão: |
sketch_eps |
Usado apenas para algoritmo voraz aproximado. Isso se converte em O(1 / número de compartimentos Opcional Valores válidos: flutuante. Intervalo: [0, 1]. Valor padrão: 0.03 |
skip_drop |
Probabilidade de ignorar o procedimento de dropout durante uma iteração de aumento. Opcional Valores válidos: flutuante. Intervalo: [0.0, 1.0]. Valor padrão: 0.0 |
subsample |
Taxa de subsampling da instância de treinamento. Se você configurá-la como 0,5, o XGBoost aleatoriamente coletará metade das instâncias de dados para expandir as árvores. Isso evita o sobreajuste. Opcional Valores válidos: flutuante. Intervalo: [0,1]. Valor padrão: 1 |
tree_method |
O algoritmo de criação de árvores usado no XGBoost. Opcional Valores válidos: Um de Valor padrão: |
tweedie_variance_power |
O parâmetro que controla a variação da distribuição Tweedie. Opcional Valores válidos: flutuante. Intervalo: (1, 2). Valor padrão: 1.5 |
updater |
Uma string separada por vírgulas que define a sequência de atualizadores de árvore a ser executada. Isso fornece uma forma modular de criar e modificar as árvores. Para obter uma lista completa de entradas válidas, consulte este artigo sobre parâmetros do XGBoost Opcional Valores válidos: string separada por vírgulas. Valor padrão: |
use_dask_gpu_training |
Defina Opcional Valores válidos: string. Intervalo: Valor padrão: |
verbosity |
Verbosidade de impressão de mensagens. Valores válidos: 0 (silencioso), 1 (aviso), 2 (informações), 3 (depuração). Opcional Valor padrão: 1 |