30秒でわかる要点
学習率や層の数、決定木の深さなど、学習の前に人が設定するパラメータ。学習で自動的に決まる重みとは区別される。グリッドサーチ、ランダムサーチ、ベイズ最適化などで探索する。
「ハイパーパラメータ」の練習問題
当サイトの練習問題から、この用語に関係する問題をピックアップしました。
Q1ハイパーパラメータサーチ（Hyperparameter Search）の主要手法として正しいものはどれか。
- グリッドサーチ、ランダムサーチ、ベイズ最適化により、効率的な探索
- 手動調整のみ
- ランダムに選択
- 一度の試行で決定
答えと解説を見る
正解：A
系統的なハイパーパラメータサーチにより、最適な設定が見つかります。
Q2ハイパーパラメータチューニングの目的として最も適切なものはどれか。
- 学習率、正則化強度など、訓練前に設定するパラメータを最適化し、モデルの性能を最大化すること
- モデルが訓練中に学習する重みやバイアスを手動で調整する
- 訓練データのサイズを恣意的に変更する
- テストデータセットの内容を変更して、異なる結果を得る
答えと解説を見る
正解：A
ハイパーパラメータ（学習率、バッチサイズ、隠れ層ユニット数など）は、訓練プロセスを制御するパラメータ。グリッドサーチやベイズ最適化などで最適値を探索し、モデル性能を向上させる。モデルの重みはハイパーパラメータではなく、訓練中に学習される。B、C、Dは異なる概念。
Q3早期停止（Early Stopping）とハイパーパラメータチューニングの関係として正しいものはどれか。
- 早期停止により、過学習を防ぎ、他のハイパーパラメータの効果を正確に評価
- 早期停止は不要
- ハイパーパラメータに無関係
答えと解説を見る
正解：A
早期停止はハイパーパラメータサーチの効率と信頼性を向上させます。
機械学習の問題をまとめて解いて、理解を確かめましょう（無料・登録不要）。
機械学習の練習問題を解く