Hyperparameter

https://blog.csdn.net/2401_85377976/article/details/141598610

Hyperparameter

超参数（Hyperparameter）， 是机器学习算法中的调优参数，用于控制模型的学习过程和结构。与模型参数（Model Parameter）不同，模型参数是在训练过程中通过数据学习得到的，而超参数是在训练之前由开发者或实践者直接设定的，并且在训练过程中保持不变。

Hyperparameter vs Model Parameter

 

超参数是机器学习算法在开始执行前需要设置的一些参数，这些参数的值会影响算法的表现，但不会通过训练过程自动调整。

    需要人工设置： 超参数的值不是通过训练过程自动学习得到的，而是需要训练者根据经验或实验来设定。

    影响模型性能： 超参数的选择会直接影响模型的训练过程和最终性能。

    需要优化： 为了获得更好的模型性能，通常需要对超参数进行优化，选择最优的超参数组合。

需要自己设定，不是机器自己找出来的，称为超参数（hyperparameter）。

 

Hyperparameter

超参数大致可以分为三类：神经网络结构的超参数、神经网络训练过程的超参数和神经网络中过拟合的超参数。

Hyperparameter