Modeller och tekniker
Hyperparameteroptimering
Hyperparameteroptimering är arbetet med att hitta rätt inställningar för hur en modell ska tränas, till exempel hur snabbt den ska lära sig och hur stor den ska vara. Inställningarna sätts före träningen och lärs inte in av modellen själv. Rätt värden kan göra stor skillnad för hur väl modellen presterar.
Vad hyperparameteroptimering förväxlas med
Modellens parametrar. Parametrarna lär sig modellen under träningen. Hyperparametrarna bestäms innan, och de styr hur träningen går till.
Att finjustera en färdig modell. Finjustering handlar om att träna vidare på egen data. Här gäller det inställningarna för själva träningen.
Inställningar i ett chattverktyg. Det du kan ändra i ett färdigt verktyg är inte hyperparametrar.
Var du möter hyperparameteroptimering
I arbetet hos den som tränar modeller, och i beskrivningar av vad ett AutoML-verktyg automatiserar. Köper ni färdiga verktyg möter ni det inte.
Vidare
Maskininlärning för sammanhanget. AutoML för verktyg som sköter det åt en. Modellutvärdering för hur man mäter om inställningarna blev bra.