ハイパーパラメータの役割

問題

ハイパーパラメータに関する記述のうち、正しいものを1つ選べ。

機械学習におけるパラメータには、モデルがデータから自動的に学習・更新していく「重み（Weight）」や「バイアス」と、人間（AI開発者）が学習を始める前にあらかじめ手動で設定しておかなければならない「ハイパーパラメータ」の2種類があります。

学習率（Learning Rate）、バッチサイズ、エポック数、隠れ層の数、ドロップアウトの確率などがハイパーパラメータに該当し、これらの設定値によってAIの学習の成否や最終的な精度が劇的に変わります。

1. ハイパーパラメータは訓練中に自動的に最適化される。

誤り：訓練中にデータから自動的に最適化されるのは「重み」や「バイアス」です。ハイパーパラメータは学習の「外側」にある設定値です。

2. ハイパーパラメータはモデルの性能に影響しない。

誤り：学習率一つとっても、大きすぎれば発散し、小さすぎれば学習が終わらないなど、モデルの性能や学習の安定性に極めて大きな影響を与えます。

3. ハイパーパラメータは訓練前に設定する必要がある。

正しい：ハイパーパラメータは、ネットワークの構造や学習のルールを定義するものであり、学習（訓練）をスタートする前に設計者が明示的に設定する必要があります。

4. ハイパーパラメータは訓練データのみを使って調整する。

誤り：ハイパーパラメータが適切かどうかは、「検証データ（Validation data）」に対する精度（汎化性能）を評価しながら、グリッドサーチやベイズ最適化などの手法で調整します。

← 前の問題次の問題 →

📚 より詳細を学びたい方へ