हाइपरपैरमीटर बस एक पैरामीटर है जो पूरी तरह से या आंशिक रूप से, अन्य मापदंडों को प्रभावित करता है। वे सीधे आपके सामने आने वाली अनुकूलन समस्या को हल नहीं करते हैं, बल्कि उन मापदंडों को अनुकूलित करते हैं जो समस्या को हल कर सकते हैं (इसलिए हाइपर , क्योंकि वे अनुकूलन समस्या का हिस्सा नहीं हैं, बल्कि "एडऑन" हैं)। जो मैंने देखा है, उसके लिए, लेकिन मेरे पास कोई संदर्भ नहीं है, यह संबंध यूनिडायरेक्शनल है (एक हाइपरपैरमीटर उन मापदंडों से प्रभावित नहीं हो सकता है जिन पर इसका प्रभाव है, इसलिए हाइपर भी )। उन्हें आमतौर पर नियमितीकरण या मेटा-ऑप्टिमाइज़ेशन स्कीमों में पेश किया जाता है।
उदाहरण के लिए, अपने पैरामीटर स्वतंत्र रूप से प्रभावित कर सकता है μ और σ नियमितीकरण लागत के लिए समायोजित करने के लिए (लेकिन μ और σ पर कोई असर नहीं है λ )। इस प्रकार, λ के लिए एक hyperparameter है μ और σ । आप एक अतिरिक्त था τ को प्रभावित पैरामीटर λ , इसके लिए एक hyperparameter होगा λ , और के लिए एक hyperhyperparameter μ और σ (लेकिन मैं इस nomenclatura कभी नहीं देखा है, लेकिन मैं महसूस नहीं यह गलत होगा अगर मैं इसे देखा था) ।λμσμσλλμστλλμσ
मैंने हाइपरपेरेटरी अवधारणा को क्रॉस-वैलिडेशन के लिए बहुत उपयोगी पाया, क्योंकि यह आपको मापदंडों के पदानुक्रम की याद दिलाता है, साथ ही आपको यह भी याद दिलाता है कि यदि आप अभी भी (हाइपर) मापदंडों को संशोधित कर रहे हैं, तो आप अभी भी क्रॉस-वैरिफाइंग कर रहे हैं और सामान्य नहीं कर रहे हैं इसलिए अपने निष्कर्ष के बारे में सावधान रहें (परिपत्र सोच से बचने के लिए)।