在机器学习或者深度学习领域,参数和超参数是一个常见的问题,个人根据经验给出了一个很狭隘的区分这两种参数的方法。
参数(parameters):是模型根据数据可以自动学习出的变量。eg,(深度学习的权重,偏差等)
超参数(hyperparameters):超参数是在开始学习过程之前设置值的参数,而不是通过训练得到的参数数据。用来确定模型的一些参数,超参数不同,模型是不同的(这个模型不同的意思就是有微小的区别,比如假设都是CNN模型,如果层数不同,模型不一样,虽然都是CNN模型哈)。超参数一般就是根据经验确定的变量。在深度学习中,(超参数有:学习率,batchsize,epoch,正则项系数,模型层数,每层神经元的个数。)