ハイパーパラメータとは?
用語
ベイズ統計学 1
ベイジアンパラダイムにおいて、次のことをベイジアン階層モデルと呼ぶ。
- (1) データ$y_{1} , \cdots , y_{n}$がパラメータ$\theta_{1} , \cdots , \theta_{n}$によって得られたと見なす: $$y_{1} , \cdots , y_{n} | \theta_{1} , \cdots , \theta_{n} \sim p \left( y_{k} | \theta_{k} \right)$$
- (2) パラメータ$\theta_{1} , \cdots , \theta_{n}$も超パラメータ$\lambda$によって得られたと見なす: $$\theta_{1} , \cdots , \theta_{n} | \lambda \sim \pi \left( \theta_{k} | \lambda \right)$$
- (3) $\lambda$も自分を説明する分布が存在する: $$\lambda \sim \pi (\lambda)$$
機械学習
機械学習の技法では、データに応じた結果に関連する重みやバイアスをパラメータと呼ぶ。これらのパラメータを得るための方法とアルゴリズムでユーザーが決定する定数をハイパーパラメータと呼ぶ。
説明
ハイパーパラメータという言葉が使われる文脈にかかわらず、ハイパーパラメータはパラメータを決定するパラメータという意味で使われる。
参照
パラメータ
김달호. (2013). R과 WinBUGS를 이용한 베이지안 통계학 ↩︎