Terjemahan disediakan oleh mesin penerjemah. Jika konten terjemahan yang diberikan bertentangan dengan versi bahasa Inggris aslinya, utamakan versi bahasa Inggris.

# Hiperparameter RCF
<a name="rcf_hyperparameters"></a>

Dalam [`CreateTrainingJob`](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_CreateTrainingJob.html) permintaan, Anda menentukan algoritma pelatihan. Anda juga dapat menentukan hyperparameter spesifik algoritma sebagai peta string-to-string. Tabel berikut mencantumkan hyperparameter untuk algoritma Amazon SageMaker AI RCF. Untuk informasi lebih lanjut, termasuk rekomendasi tentang cara memilih hyperparameter, lihat[Bagaimana RCF Bekerja](rcf_how-it-works.md).




| Nama Parameter | Deskripsi | 
| --- | --- | 
| feature\_dim | Jumlah fitur dalam kumpulan data. (Jika Anda menggunakan [ Random Cut Forest ](https://sagemaker.readthedocs.io/en/stable/algorithms/unsupervised/randomcutforest.html) ModelTrainer, nilai ini dihitung untuk Anda dan tidak perlu ditentukan.)<br />**Diperlukan **<br />Nilai yang valid: Integer positif (min: 1, maks: 10000) | 
| eval\_metrics | Daftar metrik yang digunakan untuk menilai kumpulan data pengujian berlabel. Metrik berikut dapat dipilih untuk output:+  `accuracy`- mengembalikan fraksi prediksi yang benar. <br />+  `precision_recall_fscore`- mengembalikan presisi positif dan negatif, mengingat, dan F1-scores. <br />**Opsional **<br />Nilai yang valid: daftar dengan nilai yang mungkin diambil dari `accuracy` atau`precision_recall_fscore`. <br />Nilai default: Kedu `accuracy` anya, `precision_recall_fscore` dihitung. | 
| num\_samples\_per\_tree | Jumlah sampel acak yang diberikan ke setiap pohon dari kumpulan data pelatihan.<br />**Opsional **<br />Nilai yang valid: Integer positif (min: 1, maks: 2048)<br />Nilai default: 256 | 
| num\_trees | Jumlah pohon di hutan.<br />**Opsional **<br />Nilai yang valid: Integer positif (min: 50, maks: 1000)<br />Nilai default: 100 |