1. Fogalom magyarul: hiperparaméter

2. Fogalom angolul: hyperparameter

3. Meghatározás:

A hiperparaméterek a gépi tanulás olyan összetevői, amelyek meghatározzák, hogy egy modell hogyan tanuljon az adatokból. A modell paramétereivel ellentétben, amelyeket a tanulási folyamat során tanul meg, a hiperparamétereket a tanítás előtt kell beállítani, és a tanulási fázis során legtöbbször állandóak maradnak. A hiperparaméter egy olyan paraméter, amely a modell tanulási folyamatának bármely konfigurálható részét meghatározhatja, mivel ezek összessége irányítja a tanulási folyamatot és jelentősen befolyásolhatják a modell végső teljesítményét. A hiperparaméterek többféle csoportból származhatnak, közéjük tartoznak a modell hiperparaméterei (például egy neurális hálózat topológiája és mérete) vagy a tanulást meghatározó optimalizációs algoritmus hiperparaméterei (például a tanulási ráta, amely a sebességet befolyásolja, az optimalizáló kötegmérete, illetve az epochok száma) és a regularizációs hiperparaméterek szintén ide sorolhatók. Hiperparaméterekre nem minden modellnek vagy algoritmusnak van szüksége; néhány egyszerű algoritmus, mint például a legkisebb négyzetek módszere nem igényel ilyen paramétereket.

4. Hivatkozások:

Hyperparameter a Wikipédián https://en.wikipedia.org/wiki/Hyperparameter_(machine_learning)

5. Megjegyzések:

6. Kulcsszavak:

gépi tanulás, optimalizáció, modell konfiguráció