Le traduzioni sono generate tramite traduzione automatica. In caso di conflitto tra il contenuto di una traduzione e la versione originale in Inglese, quest'ultima prevarrà.
# Iperparametri RCF
Nella richiesta [`CreateTrainingJob`](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_CreateTrainingJob.html) puoi specificare l'algoritmo di addestramento. Puoi anche specificare gli iperparametri specifichi dell'algoritmo come mappe stringa a stringa. La tabella seguente elenca gli iperparametri per l'algoritmo Amazon SageMaker AI RCF. Per ulteriori informazioni, incluse le raccomandazioni su come scegliere iperparametri, consulta [Come funziona RCF](rcf_how-it-works.md).
| Nome parametro | Description |
| --- | --- |
| feature\_dim | Il numero di funzioni nel set di dati. (Se utilizzi [ Random Cut Forest ](https://sagemaker.readthedocs.io/en/stable/algorithms/unsupervised/randomcutforest.html) ModelTrainer, questo valore viene calcolato automaticamente e non è necessario specificarlo).
**Campo obbligatorio**
Valori validi: numeri interi positivi (min: 1, max: 10000) |
| eval\_metrics | Elenco dei parametri utilizzati per assegnare un punteggio a un set di dati di test con etichetta. I seguenti parametri possono essere selezionati per l'output:+ `accuracy` - restituisce frazione di previsioni corrette.
+ `precision_recall_fscore`- restituisce la precisione positiva e negativa, il richiamo e F1-scores.
**Opzionale**
Valori validi: un elenco con i valori possibili ottenuti da `accuracy` o `precision_recall_fscore`.
Valore predefinito: `accuracy` e `precision_recall_fscore` sono entrambi calcolati. |
| num\_samples\_per\_tree | Numero di campioni casuali specificato per ogni albero del set di dati di addestramento.
**Opzionale**
Valori validi: numeri interi positivi (min: 1, max: 2048)
Valore predefinito: 256 |
| num\_trees | Numero di alberi nella foresta.
**Opzionale**
Valori validi: numeri interi positivi (min: 50, max: 1000)
Valore predefinito: 100 |