Uitleg
Hyperparameters zijn de "knoppen" die jij als operator draait voordat training begint. Zij bepalen indirect hoe goed het uiteindelijke model zal presteren, maar ze worden niet geleerd van data.
Voorbeelden van hyperparameters zijn: leersnelheid (hoe snel het model wordt aangepast), batch-grootte (hoeveel voorbeelden tegelijk worden verwerkt), aantal epochs (hoe vaak het volledige trainingsdataset wordt doorgegaan), regularisatiesterkte (hoeveel het model mag overfitten), enzovoort.
Het vinden van de juiste hyperparameters is een kunst. Je kunt hyperparameters handmatig instellen, of je kunt automatische technieken gebruiken zoals grid search of random search om de beste combinatie te vinden.
⚡ Voorbeelden
- •Je stelt de leersnelheid in op 0.001 (hoe snel het model leert) vóór training
- •Je kiest batch-grootte 32, dus het model ziet 32 voorbeelden tegelijk
- •Je stelt maximale epochs in op 100, dus het volledige trainingsdataset wordt 100 keer doorlopen
Trefwoorden
instellingenkeuzestrainingaanpassingenconfiguratie