Hyperparamètre

Carte Commune · n° 464371

Dans l'apprentissage automatique, un hyperparamètre est un réglage — externe — d’un modèle d’apprentissage automatique (comme la taille du réseau, le taux d’apprentissage ou la durée d’entraînement). On le fixe avant l’apprentissage, car le modèle ne peut pas ajuster lui‑même. La valeur des hyperparamètres est utilisée pour contrôler le processus d'apprentissage, mais les valeurs des autres paramètres (généralement la pondération de nœuds[Quoi ?]) sont obtenues par apprentissage. Les hyperparamètres peuvent être classifiés comme étant des hyperparamètres de modèle, qui ne peuvent pas être déduits en ajustant la machine à l'ensemble d'entraînement parce qu'ils s'appliquent à la tâche de la sélection du modèle, ou des hyperparamètres d'algorithmes, qui en principe n'ont aucune influence sur la performance du modèle mais affectent la rapidité et la qualité du processus d'apprentissage. Un exemple d'hyperparamètre de modèle est la topologie et la taille d'un réseau de neurones. Des exemples...

Lire sur Wikipédia