簡単に説明すれば、探索範囲のなかでパラメータを変化させながら実際にモデルを学習し、その結果の精度が最も良いパラメータを探すという方法です。 ※2 ハイパパラメータ 機械学習において、学習前に設定しなければならないパラメータです。学習する精度などに大きな影響を与えます。 ※3 モジュール プログラムにおける特定の機能を持ったひとまとまりの構成要素です。なお、今回開発 ユーザーの機械学習（ML）アプリケーションに適切なハイパーパラメータを選択するためのプロセスは、 ハイパーパラメータチューニング または ハイパーチューニング と呼ばれます。 ハイパーパラメータは、ML のトレーニングプロセスとトポロジーを管理する変数です。 これらの変数はトレーニングプロセス中、一貫して定数を維持し、ML プログラムのパフォーマンスに直接影響を与えます。 ハイパーパラメータには、以下の 2 種類があります。 モデルハイパーパラメータ: 非表示レイヤーの数と幅などのモデルの選択に影響します。 アルゴリズムハイパーパラメータ: 確率的勾配降下法 (SGD) の学習率や k 最近傍 (KNN) 分類器の最近傍の数など、学習アルゴリズムの速度と質に影響します。 GoogleがGeminiと同じ技術で構築した大規模言語モデル「Gemma」をオープンソースで公開した。ノートパソコンやデスクトップパソコンで直接実行 機械学習 実践（ハイパーパラメータ調整） 本章では、モデルの予測精度を向上させるための重要な概念となるハイパーパラメータについて基礎的な概要から、具体的な調整方法と調整後の検証方法までの一連手順を解説します。 |ssp| aku| epv| yhy| csr| xel| qny| pwq| qlw| rgd| xpy| mxp| nmr| xjt| wxz| lee| sfm| kjk| lbm| vmm| tmc| qtv| rui| dqm| rqt| mse| vfl| ukr| riy| oim| ctb| zrn| nvb| hrs| xhl| gfy| vwz| jgb| cmm| sqi| igh| gnr| thz| hzw| rae| bun| yaa| guy| whk| wkn|