Hyperparametrien viritys on prosessi, jossa valitaan parhaat koneoppimismallin hyperparametrit, jotka ovat konfigurointiasetuksia, joita ei opita harjoitustiedoista, vaan jotka käyttäjä asettaa ennen mallin harjoittelua. Näillä parametreilla on merkittävä vaikutus mallin suorituskykyyn, ja ne voivat sisältää oppimisnopeuden, piilotettujen kerrosten lukumäärän, hermosolujen lukumäärän kussakin kerroksessa, aktivointitoiminnot, regularisoinnin voimakkuuden ja paljon muuta. Hyperparametrivirityksen tavoitteena on löytää parhaat parametriarvot, jotka antavat suurimman tarkkuuden tai pienimmän virheen validointi- tai testidatasta. Verkkohaku, satunnaishaku ja Bayesin optimointi ovat yleisiä hyperparametrien virittämiseen käytettyjä tekniikoita.
Julkaisupäivämäärä: