模型引數是模型內部的配置變數，其值可以根據資料進行估計。
模型在進行**時需要它們。它們的值定義了可使用的模型。他們是從資料估計或獲悉的。它們通常不由程式設計者手動設定。他們通常被儲存為學習模型的一部分。
引數是機器學習演算法的關鍵。它們通常由過去的訓練資料中總結得出。
在經典的機器學習文獻中，我們可以將模型看作假設，將引數視為對特定資料集的量身打造的假設。
最優化演算法是估計模型引數的有效工具。
統計：在統計學中，您可以假設乙個變數的分布，如高斯分布。高斯分布的兩個引數是平均值和標準偏差。這適用於機器學習，其中這些引數可以從資料中估算出來並用作**模型的一部分。程式設計：在程式設計中，您可以將引數傳遞給函式。在這種情況下，引數是乙個函式引數，它可能具有乙個值範圍之一。在機器學習中，您使用的特定模型是函式，需要引數才能對新資料進行**。
模型是否具有固定或可變數量的引數決定了它是否可以被稱為「引數」或「非引數」。
模型引數的一些示例包括：
神經網路中的權重
支援向量機中的支援向量
線性回歸或邏輯回歸中的係數
模型超引數是模型外部的配置，其值無法從資料中估計。
它們通常用於幫助估計模型引數。它們通常由人工指定。他們通常可以使用啟發式設定。他們經常被調整為給定的**建模問題。
我們雖然無法知道給定問題的模型超引數的最佳值，但是我們可以使用經驗法則，在其他問題上使用複製值，或通過反覆試驗來搜尋最佳值。
當機器學習演算法針對特定問題進行調整時（例如，使用網格搜尋或隨機搜尋時），那麼正在調整模型的超引數或順序以發現導致最熟練的模型的引數**。
「許多模型有不能從資料直接估計的重要引數。例如，在k近鄰分類模型中…因為沒有可用於計算適當值的分析公式，這種型別的模型引數被稱為調整引數。」- 第64-65頁，《應用**模型》，2013
如果模型超引數被稱為模型引數，會造成很多混淆。克服這種困惑的乙個經驗法則如下：
如果必須手動指定模型引數，那麼它可能是乙個模型超引數。
模型超引數的一些例子包括：
訓練神經網路的學習速率
用於支援向量機的c和sigma超引數
k最近鄰的k
總之，模型引數是根據資料自動估算的。但模型超引數是手動設定的，並且在過程中用於幫助估計模型引數。
**
模型引數和超引數
總結個人理解 機器學習中的模型引數和模型超引數在作用 等方面都有所不同，而模型超引數常被稱為模型引數，這樣，很容易對初學者造成混淆。本文給出了模型引數和模型超引數的定義，並進行了對比，指出了二者本質上的區別 模型引數是模型內部的配置變數，可以用資料估計模型引數的值 模型超引數是模型外部的配置，必須手...
模型引數 超參（28）
模型引數 需要在訓練資料上通過某種演算法方式找出來的特徵引數，也就是需要訓練的引數，eg 線性回歸中的 值 超引數 在模型訓練過程中演算法需要使用到的引數值，這個引數值會影響最終模型引數的求解，所以需要開發人員給定，比如 ridge演算法中的正則化項係數alpha引數 給定方式 1.可以根據演算法的...
引數模型與非引數模型
引數模型 非引數模型 以及半引數模型 的概念應該源自於統計學中。統計專業中有一門課程叫做 非引數統計 研究的物件就是秩檢驗 核密度估計等。在統計學中，引數模型通常假設總體 隨機變數 服從某乙個分布，該分布由一些引數確定 比如正太分布由均值和方差確定 在此基礎上構建的模型稱為引數模型 非引數模型對於總...