Изменения
Добавлены понятия параметров и гиперпараметров, секции смотри также и источники информации
Описанная выше функция f для фиксированного значения весов <tex> w \in W </tex> называется '''решающим правилом'''.
'''Модель''' {{- --}} это совокупность всех решающих правил, которые получаются путем присваивания весам всех возможных допустимых значений.
Формально модель <tex> M = \{f(., w)| w \in W\} </tex>.
Модель определяется множеством допустимых весов <tex> W </tex> и структурой решающего правила <tex> f(.,.) </tex>
==Понятие гиперпараметров модели==
'''Гиперпараметры модели''' {{---}} это параметры, значения которых задается до начала обучения модели и не изменяется в процессе обучения. У модели может не быть гиперпараметров.
'''Параметры модели''' {{---}} это параметры, которые изменяются и оптимизируются в процессе обучения модели и итоговые значения этих параметров являются результатом обучения модели.
Примерами гиперпараметров могут служить количество слоев нейронной сети, а также количество нейронов на каждом слое. Примерами параметров могут служить веса ребер нейронной сети.
Для нахождения оптимальных гиперпараметров модели могут применяться алгоритмы [[Настройка гиперпараметров | настройки гиперпараметров]]<sup>[на 08.01.19 не создан]</sup>.
== См. также ==
* [[Настройка гиперпараметров]]<sup>[на 08.01.19 не создан]</sup>
* [[Переобучение]]
* [[Мета-обучение]]<sup>[на 08.01.19 не создан]</sup>
== Источники информации ==
# [http://www.machinelearning.ru/wiki/images/0/05/BMMO11_4.pdf Выбор модели] - презентация на MachineLearning.ru
# [https://en.wikipedia.org/wiki/Hyperparameter_(machine_learning) Гиперпараметры] - статья на Википедии
# [https://machinelearningmastery.com/difference-between-a-parameter-and-a-hyperparameter/ Разница между параметрами и гиперпараметрами] - описание разницы между параметрами и гиперпараметрами модели
