Hyperparameter

Was bedeutet Hyperparameter?

Ein Hyperparameter ist ein Parameter für maschinelles Lernen, dessen Wert ausgewählt wird, bevor ein Lernalgorithmus trainiert wird. Hyperparameter sind nicht mit Parametern zu verwechseln. Beim maschinellen Lernen wird der Label-Parameter verwendet, um Variablen zu identifizieren, deren Werte beim Training gelernt werden.

Jede Variable, die ein KI– oder ML-Ingenieur vor Beginn des Modelltrainings auswählt, kann als Hyperparameter bezeichnet werden – solange der Wert der Variable am Ende des Trainings gleich bleibt.

Beispiele von Hyperparametern beim maschinellen Lernen sind:

  • Modellarchitektur
  • Lernrate
  • Anzahl der Epochen
  • Anzahl der Verzweigungen in einem Entscheidungsbaum
  • Anzahl von Clustern in einem Clustering-Algorithmus

Techopedia erklärt Hyperparameter

Es ist wichtig, die richtigen Hyperparameter zu wählen, bevor das Training beginnt, da diese Art von Variablen einen direkten Einfluss auf die Leistung des resultierenden maschinellen Lernmodells hat.

Der Prozess der Auswahl der zu verwendenden Hyperparameter wird als Hyperparameter-Tuning bezeichnet. Der Prozess der Abstimmung kann auch als Hyperparameter-Optimierung (HPO) bezeichnet werden.

Verwandte Begriffe

Margaret Rouse

Margaret Rouse ist eine preisgekrönte technische Autorin und Dozentin. Sie ist für ihre Fähigkeit bekannt, komplexe technische Themen simpel und nachvollziehbar zu erklären. In den letzten zwanzig Jahren sind ihre Erklärungen auf TechTarget-Websites erschienen und sie wurde in Artikeln der New York Times, des Time Magazine, USA Today, ZDNet, PC Magazine und Discovery Magazine als Quelle und Expertin zitiert. Wenn Sie einen Vorschlag für eine neue Definition haben oder eine technische Erklärung verbessern möchten, schicken Sie einfach Margaret eine E-Mail oder kontaktieren Sie sie auf LinkedIn oder Twitter.