Presná definícia
Čo znamená parameter modelu?
Parameter modelu je numerická hodnota v zvolenej reprezentácii, ktorú učiaci algoritmus odhaduje z tréningových dát a ktorá spolu so štruktúrou určuje výstup modelu. Príkladom je váha regresie, prah uzla alebo prvok neurónovej matice. Parameter nie je hyperparameter ani meraná vlastnosť systému; jeho význam, identifikovateľnosť a neistota závisia od parametrizácie a straty.
Skúsenosť a kontext
Ako sa pojem používa v praxi
Pri logistickej regresii sa váhy učia na štandardizovaných príznakoch a s regularizáciou. Uložený artefakt musí obsahovať presné poradie príznakov, transformácie, koeficienty, intercept a verziu knižnice; samotný súbor váh nestačí. Veľkosť koeficientu sa interpretuje len vzhľadom na škálu a koreláciu príznakov, nie automaticky kauzálne. Pri neurónovej sieti sa monitorujú distribúcie váh a gradientov, ale kvalitu potvrdzuje správanie na nezávislých dátach. Aktualizácia v produkcii je novou verziou modelu so záznamom pôvodu, nie neviditeľnou zmenou parametrov.
Overiteľnosť
Odborné zdroje
Praktické odpovede
Často kladené otázky
Ako parameter vzniká?
Optimalizáciou alebo iným odhadom z tréningových dát podľa zvoleného cieľa.
Je sila regularizácie parameter modelu?
Zvyčajne nie; nastavuje učenie a patrí medzi hyperparametre.
Má každý parameter ľahký výklad?
Nie, najmä v preparametrizovaných sieťach rozhoduje spoločný účinok mnohých hodnôt.
Je viac parametrov vždy vyššia kapacita?
Často, ale kapacitu menia aj obmedzenia, architektúra a regularizácia.
Čo treba uložiť spolu s parametrami?
Architektúru, transformácie, poradie vstupov, numerickú presnosť a metadáta tréningu.