某模型使用 SageMaker 內建的線性學習器 (linear-learner) 預測特定雜草的存在，其中 predictor_type 設定為 multiclass_classifier。團隊希望最大程度地減少誤報 (false positives)。他們應該進行哪種超參數更改？

此模型旨在預測特定雜草的存在，且 predictortype 為 multiclassclassifier。減少誤報（false positives）意味著模型在預測雜草存在時應更加謹慎，避免將非雜草誤判為雜草。targetprecision 超參數直接控制了分類器在多類別分類中對精確度（precision）的偏好。增加 targetprecision 的值會促使模型在分類時更傾向於提高精確度，從而有效減少誤報。 將 weightdecay 設為零會移除正則化，可能導致過度擬合，無助於減少誤報。增加訓練週期可能改善模型收斂，但不能直接控制誤報率。將 predictortype 更改為 regressor 會使模型執行迴歸任務而非分類，這與預測雜草存在的分類目標不符。