超參數 vs 模型參數
Hyperparameter vs Parameters
超參數 側重 超參數是機器學習模型訓練前，由人為設定且影響模型學習效果的參數，例如學習率或網路層數，而 模型參數 側重 模型參數是機器學習模型在訓練過程中學習到的數值，用於決定模型如何對輸入資料進行轉換和預測。它們是模型的內部變數。。
逐項比較
| 項目 | 超參數 | 模型參數 |
|---|---|---|
| 一句定義 | 超參數是機器學習模型訓練前，由人為設定且影響模型學習效果的參數，例如學習率或網路層數 | 模型參數是機器學習模型在訓練過程中學習到的數值，用於決定模型如何對輸入資料進行轉換和預測。它們是模型的內部變數。 |
| 比喻 | 超參數就像烤蛋糕食譜上的「烤箱溫度」和「烘烤時間」-- 你必須在開始烤之前就決定好這些數值，它們不會在烘烤過程中自己改變，但卻直接影響蛋糕最後會不會烤熟、好不好吃。模型訓練也是一樣，超參數決定了學習過程的「風味」。 | 模型參數就像廚師食譜裡的「調味料份量」 -- 鹽要放多少、糖要放多少，這些數值不是人給的，而是模型自己從訓練資料中學會的，決定了最後菜餚（預測結果）的味道。 |
| 常見標籤 | 模型訓練、最佳化、機器學習 | 機器學習、模型訓練、神經網路、最佳化、深度學習、數學基礎 |
| iPAS 關聯度 | 未知 | 未知 |
| 考生最常問 | 常見超參數有哪些？ | 什麼是超參數？它和模型參數有什麼區別？ |