Модель предсказывает наличие определённого сорняка, используя встроенный алгоритм SageMaker linear-learner с параметром predictor_type, установленным как multiclass_classifier. Команда хочет минимизировать ложноположительные результаты. Какое изменение гиперпараметра им следует внести?

При использовании встроенного алгоритма SageMaker linear-learner с predictortype='multiclassclassifier', гиперпараметр targetprecision контролирует порог классификации. Увеличение targetprecision делает модель более консервативной в предсказании положительного класса, что приводит к уменьшению ложноположительных результатов (модель реже ошибочно классифицирует отсутствие сорняка как его наличие). Установка weightdecay в ноль отключает регуляризацию L2, что может привести к переобучению и не влияет напрямую на ложноположительные результаты. Увеличение количества эпох обучения может улучшить сходимость, но не гарантирует минимизацию ложноположительных результатов. Изменение predictortype на regressor изменит тип задачи на регрессию, что не соответствует задаче классификации.