什么是 模型超参数。

我们在学习神经网络中经常听到大佬们说，超参数调整之类的话。对于小白来说什么叫超参数和普通的参数有什么区别呢。也不好意思问大佬们这些名词到底是啥函数。所以在网上找一下。参考以下网页参数和超参数

什么是模型参数

简单来说，模型参数就是模型内部的配置变量，可以用数据估计它的值。

具体来讲，模型参数有以下特征：

• 进行模型预测时需要模型参数。

• 模型参数值可以定义模型功能。

• 模型参数用数据估计或数据学习得到。

• 模型参数一般不由实践者手动设置。

模型参数通常作为学习模型的一部分保存。

通常使用优化算法估计模型参数，优化算法是对参数的可能值进行的一种有效搜索。

模型参数的一些例子包括：

• 人造神经网络中的权重。

• 支持向量机中的支持向量。

• 线性回归或逻辑回归中的系数。

什么是模型超参数

模型超参数是模型外部的配置，其值不能从数据估计得到。

具体特征有：

• 模型超参数常应用于估计模型参数的过程中。

• 模型超参数通常由实践者直接指定。

• 模型超参数通常可以使用启发式方法来设置。

• 模型超参数通常根据给定的预测建模问题而调整。

怎样得到它的最优值：对于给定的问题，我们无法知道模型超参数的最优值。但我们可以使用经验法则来探寻其最优值，或复制用于其他问题的值，也可以通过反复试验的方法。

模型超参数的一些例子包括：

• 训练神经网络的学习速率。

• 支持向量机的C和sigma超参数。

• k邻域中的k。