Гиперпараметр (Hyperparameter) – в машинном обучении – это параметры алгоритмов, значения которых устанавливаются перед запуском процесса обучения. Гиперпараметры используются для управления процессом обучения.
[Чесалов А. Ю. Глоссариум по искусственному интеллекту: 2500 терминов/ А. Ю. Чесалов — «Издательские решения» 2022 г., 670 стр.]
Гиперпараметр — параметр алгоритма машинного обучения. Примеры включают количество деревьев для обучения в лесу принятия решений или размер шага в алгоритме градиента. Значения гиперпараметров задаются перед обучением модели и управляют процессом поиска параметров функции прогнозирования, например точек сравнения в дереве принятия решений или весах в модели линейной регрессии.
[Глоссарий машинного обучения важных терминов (Электронный ресурс). Режим доступа: http:// learn.microsoft.com›ru-ru/dotnet/machine-learning /, свободный.]
Гиперпараметр (hyper parameter) — параметр алгоритма машинного обучения, влияющий на процесс обучения.
Примечания.
1 Гиперпараметры выбираются до начала обучения и могут использоваться в процессах для помощи в оценке параметров модели.
2 Примерами гиперпараметров могут служить количество слоев нейронной сети, ширина каждого слоя, тип функции активации, метод оптимизации, скорость обучения нейронных сетей; выбор функции ядра в методе опорных векторов; количество листьев или высота дерева; значение K при кластеризации методом K-средних; максимальное количество итераций алгоритма максимизации ожидания; количество гауссианов в гауссовой смеси.
[ГОСТ Р 71476-2024. Искусственный интеллект. Концепции и терминология искусственного интеллекта]
[ГОСТ Р ИСО/МЭК 22989–2022.Информационные технологии. Искусственный интеллект Концепции и терминология искусственного интеллекта]