มันไม่ได้เป็นคำนิยามที่กำหนดล่วงหน้าดังนั้นฉันจะไปข้างหน้าและให้คำจำกัดความอื่นที่น่าจะสอดคล้องกับการใช้งานทั่วไป
พารามิเตอร์ไฮเปอร์พารามิเตอร์คือปริมาณที่ประมาณในอัลกอริทึมการเรียนรู้ของเครื่องที่ไม่ได้มีส่วนร่วมในรูปแบบการทำงานของฟังก์ชั่นการทำนายขั้นสุดท้าย
ขอยกตัวอย่างด้วยการถดถอยสันเขา ในการถดถอยของสันเขาเราแก้ปัญหาการหาค่าเหมาะที่สุดต่อไปนี้:
β∗(λ)=argminβ((y−Xβ)t(y−Xβ)+λβtβ)
β∗=argminλ(y′−X′β(λ))t(y′−X′β(λ))
ในปัญหาแรกคือข้อมูลการฝึกอบรมและในสองเป็นชุดข้อมูลที่ถูกพักไว้ รูปแบบการทำงานขั้นสุดท้ายของแบบจำลองซึ่งฉันเรียกว่าเหนือฟังก์ชันคาดการณ์คือX,yX′,y′
f(X)=Xβ∗
ซึ่งไม่ปรากฏขึ้น สิ่งนี้ทำให้เป็นพารามิเตอร์เวกเตอร์และเป็นพารามิเตอร์ไฮเปอร์บีตาλλβλ