Ang rate ng pag-aaral ay isang hyperparameter na tumutukoy sa laki ng mga hakbang na ginawa upang i-navigate ang optimization landscape ng isang machine learning model. Tinutukoy nito kung gaano kalaki ang mga bigat ng modelo na nababagay sa bawat pag-ulit ng algorithm ng pag-optimize sa panahon ng proseso ng pagsasanay. Ang mataas na rate ng pagkatuto ay maaaring maging sanhi ng pagkakaiba-iba ng mga parameter, habang ang mababang rate ng pagkatuto ay maaaring magresulta sa mabagal na pag-aaral o makaalis sa lokal na optima. Ang pinakamainam na rate ng pagkatuto ay karaniwang nangangailangan ng pag-tune sa pamamagitan ng pag-eeksperimento, at maaaring makaapekto sa katumpakan at bilis ng convergence ng modelo.
Petsa ng publikasyon: