Bir model, predictor_type değeri multiclass_classifier olarak ayarlanmış SageMaker yerleşik linear-learner kullanarak belirli bir yabani otun varlığını tahmin ediyor. Ekip, yanlış pozitifleri en aza indirmek istiyor. Hangi hiperparametre değişikliğini yapmalılar?

Yanlış pozitifleri en aza indirmek, modelin bir yabani otun var olmadığını doğru bir şekilde tahmin etmesini sağlamak anlamına gelir. SageMaker linear-learner'da targetprecision hiperparametresi, modelin hassasiyeti (precision) optimize etmesine yardımcı olur. Hassasiyet, doğru pozitiflerin (gerçek pozitifler içinde) oranını ölçer. Bu değeri artırmak, modelin pozitif olarak sınıflandırdığı örneklerin gerçekten pozitif olma olasılığını yükseltir ve dolayısıyla yanlış pozitifleri azaltır. weightdecay değerini sıfıra ayarlamak aşırı öğrenmeye (overfitting) yol açabilir ve yanlış pozitifleri azaltmada doğrudan bir etkisi yoktur. Eğitim epoch sayısını artırmak modelin daha iyi yakınsamasını sağlayabilir ancak doğrudan yanlış pozitifleri hedeflemez ve aşırı öğrenmeye neden olabilir. predictortype değerini regressor olarak değiştirmek, modelin sınıflandırma yerine regresyon yapmasına neden olur, bu da sorunun amacına uygun değildir.