Hyperparameter
http://dbpedia.org/resource/Hyperparameter an entity of type: Software
ハイパーパラメータ（超母数、英語: Hyperparameter）とは、推論や予測の枠組みの中で決定されないパラメータのことを指す。損失関数の正則化項の影響度を表す係数などが該当する。ハイパーパラメータは、多くの場合、あらかじめ値の候補を用意しておき、各候補に対して、それを一定の値として一旦採用し、予測や推論を行い、最終的に最も性能の良いモデルのハイパーパラメータを採用する。よって、ハイパーパラメータには人間の任意性がある。これを解決する方法として、ハイパーパラメータを確率変数と見做し、事前分布を導入する、というベイズ的手法が存在する。
rdf:langString
У баєсовій статистиці, гіперпараметр - це параметр апріорного розподілу; термін використовується аби відрізнити їх від параметрів моделі системи яку аналізують. Наприклад, якщо хтось використовує бета-розподіл для моделювання розподілу параметра p розподілу Бернуллі, то:
* p є параметром базової системи (розподілу Бернуллі), а
* α та β є параметрами апріорного розподілу (бета-розподілу), тобто гіперпараметрами. Можна просто взяти окреме значення гіперпараметра, або можна проітеруватись по ньому і отримати розподіл ймовірності самого гіперпараметра, який називається .
rdf:langString
In Bayesian statistics, a hyperparameter is a parameter of a prior distribution; the term is used to distinguish them from parameters of the model for the underlying system under analysis. For example, if one is using a beta distribution to model the distribution of the parameter p of a Bernoulli distribution, then:
* p is a parameter of the underlying system (Bernoulli distribution), and
* α and β are parameters of the prior distribution (beta distribution), hence hyperparameters.
rdf:langString
In statistica bayesiana, un iperparametro è un parametro di una distribuzione di probabilità a priori; il termine è impiegato per distinguere dai parametri del sottostante sistema in esame. Gli iperparametri originano in particolare quando si impiegano distribuzioni a priori. Per esempio, se si sta usando una distribuzione Beta per modellare la distribuzione di un parametro p di una distribuzione di Bernoulli, allora: Per un dato parametro si può considerare di prendere un suo singolo valore oppure un'intera distribuzione di probabilità, detta distribuzione di probabilità a iperpriori.
rdf:langString
rdf:langString
Hyperparameter
rdf:langString
Iperparametro
rdf:langString
ハイパーパラメータ
rdf:langString
Гіперпараметр
xsd:integer
11641585
xsd:integer
1090148567
rdf:langString
In Bayesian statistics, a hyperparameter is a parameter of a prior distribution; the term is used to distinguish them from parameters of the model for the underlying system under analysis. For example, if one is using a beta distribution to model the distribution of the parameter p of a Bernoulli distribution, then:
* p is a parameter of the underlying system (Bernoulli distribution), and
* α and β are parameters of the prior distribution (beta distribution), hence hyperparameters. One may take a single value for a given hyperparameter, or one can iterate and take a probability distribution on the hyperparameter itself, called a hyperprior.
rdf:langString
In statistica bayesiana, un iperparametro è un parametro di una distribuzione di probabilità a priori; il termine è impiegato per distinguere dai parametri del sottostante sistema in esame. Gli iperparametri originano in particolare quando si impiegano distribuzioni a priori. Per esempio, se si sta usando una distribuzione Beta per modellare la distribuzione di un parametro p di una distribuzione di Bernoulli, allora:
* p è un parametro del sistema sottostante (la distribuzione di Bernoulli) mentre
* α e β sono parametri della distribuzione a priori (la distribuzione Beta), quindi iperparametri. Per un dato parametro si può considerare di prendere un suo singolo valore oppure un'intera distribuzione di probabilità, detta distribuzione di probabilità a iperpriori.
rdf:langString
ハイパーパラメータ（超母数、英語: Hyperparameter）とは、推論や予測の枠組みの中で決定されないパラメータのことを指す。損失関数の正則化項の影響度を表す係数などが該当する。ハイパーパラメータは、多くの場合、あらかじめ値の候補を用意しておき、各候補に対して、それを一定の値として一旦採用し、予測や推論を行い、最終的に最も性能の良いモデルのハイパーパラメータを採用する。よって、ハイパーパラメータには人間の任意性がある。これを解決する方法として、ハイパーパラメータを確率変数と見做し、事前分布を導入する、というベイズ的手法が存在する。
rdf:langString
У баєсовій статистиці, гіперпараметр - це параметр апріорного розподілу; термін використовується аби відрізнити їх від параметрів моделі системи яку аналізують. Наприклад, якщо хтось використовує бета-розподіл для моделювання розподілу параметра p розподілу Бернуллі, то:
* p є параметром базової системи (розподілу Бернуллі), а
* α та β є параметрами апріорного розподілу (бета-розподілу), тобто гіперпараметрами. Можна просто взяти окреме значення гіперпараметра, або можна проітеруватись по ньому і отримати розподіл ймовірності самого гіперпараметра, який називається .
xsd:nonNegativeInteger
4329