超参数 hyperparameters

转载：https://www.cnblogs.com/qamra/p/8721561.html

超参数的定义：在机器学习的上下文中，超参数是在开始学习过程之前设置值的参数，而不是通过训练得到的参数数据。通常情况下，需要对超参数进行优化，给学习机选择一组最优超参数，以提高学习的性能和效果。

理解：超参数也是一个参数，是一个未知变量，但是它不同于在训练过程中的参数，它是可以对训练得到的参数有影响的参数，需要训练者人工输入，并作出调整，以便优化训练模型的效果。

超参数：
  1.  定义关于模型的更高层次的概念，如复杂性或学习能力。
  2.  不能直接从标准模型培训过程中的数据中学习，需要预先定义。
  3.  可以通过设置不同的值，训练不同的模型和选择更好的测试值来决定

超参数的一些示例：
   1. 聚类中类的个数
   2. 话题模型中话题的数量
   3. 模型的学习率
   4. 深层神经网络隐藏层数