
054
0
1
2
3
2
関数の入力パラメータと学習パラメータ
第1 章では、関数の入力パラメータ
と出力
の関係を整理しましたが、ここ
で新しいパラメータとしてフィッティングパラメータが出てきました。この
フィッティングパラメータは、関数のパラメータですが、
とは異なりますの
で、
で表し、関数
と書いて、
とは異なるパラメータであることがよ
く明示されます。それぞれ、
:入力パラメータ、入力、説明変数など
: 学習パラメータ、フィッティングパラメータ、モデルパラメータ、重み
など
と呼ばれますが、本書では以降、特別な場合を除いて、
を入力パラメータも
しくは
、
を学習パラメータもしくはモデルパラメータと呼びます(
図
2.1.7
)。ここまでに出てきた機械学習の式について整理すると、アレニウス
の式では、
が入力パラメータ、
と
が学習パラメータ、多項式では、
が
入力パラメータ、
、 、 が学習パラメータでした。機械学習の学習時は
学習パラメータが最適化のパラメータに、機械学習モデルを用いたサロゲー
ト最適化時は入力パラメータが最適化のパラメータになります。また、機械
学習の予測時は入力パラメータが予測の条件パラメータになります。このよ
うに、実際の機械学習応用では、頻繁に最適化や予測のパラメータが切り替
わりますので、今行っている作業(学習、予測、サロゲート最適化など)で
は何がパラメータとなっているかを意識することが大切です。
...