Ein Hyperparameter ist ein Parameter, der nicht während des Trainingsprozesses eines maschinellen Lernmodells erlernt, sondern vor Beginn des Trainings festgelegt wird. Sie steuern das Verhalten des Trainingsalgorithmus und können oft einen großen Einfluss auf die endgültige Leistung des Modells haben. Beispiele für Hyperparameter können Lernrate, Stapelgröße, Anzahl der verborgenen Schichten, Anzahl der Neuronen in jeder Schicht, Regularisierungsstärke und mehr umfassen. Das Optimieren von Hyperparametern ist ein wichtiger Schritt beim Erstellen eines erfolgreichen Modells für maschinelles Lernen.
Veröffentlichungsdatum: