Odborné vysvětlení: Hyperparametry jsou konfigurace vyšší úrovně používané k řízení procesu učení modelu. Na rozdíl od běžných parametrů modelu, které se učí během trénování, hyperparametry jsou nastaveny před začátkem učení. Příklady zahrnují učící rychlost, počet skrytých vrstev v neuronové síti nebo hloubku rozhodovacího stromu.
Vysvětlení pro laiky: Hyperparametry jsou jako nastavení kuchyňského robota před začátkem vaření. Určujete například rychlost mixování nebo typ nástavce. Tyto volby ovlivňují, jak dobře robot zpracuje ingredience, ale samy o sobě nejsou součástí receptu. V učení počítačů hyperparametry určují, jak se model bude učit, ale nejsou tím, co se model přímo učí.
Hyperparameters are higher-level configurations used to control the learning process of a model. Unlike regular model parameters that
