あるモデルは、predictor_type を multiclass_classifier に設定した SageMaker 組み込みの線形学習器を使用して、特定の雑草の存在を予測します。チームは偽陽性を最小限に抑えたいと考えています。どのようなハイパーパラメータの変更を行うべきですか？

偽陽性を最小限に抑えることは、適合率（Precision）を最大化することに相当します。SageMakerの線形学習器において、targetprecision ハイパーパラメータは、適合率を優先するようにモデルを調整します。この値を増やすことで、偽陽性の発生を抑制し、予測された陽性クラスの信頼性を高めることができます。 weightdecay をゼロに設定すると、モデルの複雑さが増し、過学習につながる可能性があります。トレーニングエポック数を増やすことも過学習のリスクを高め、必ずしも偽陽性を減らすことにはつながりません。predictortype を regressor に変更すると、分類問題ではなく回帰問題として扱われるため、雑草の存在を予測するという目的には適しません。