机器学习之超参数是什么？

机器学习里的「超参数」，用最简单的话讲清楚

超参数 = 训练前由人手动设置、模型自己不会学的参数

1. 一句话区分

• 模型参数（参数）：
  模型在训练过程中自己学到的东西
  比如：权重、系数、分割点

• 超参数（超参）：
  训练之前就要定好，模型不会自己改，必须人来设置
  比如：KNN 的 k、学习率、树的深度

2. 用你刚才的代码举例子

你写过：

estimator=KNeighborsClassifier(n_neighbors=3)

这里的

n_neighbors=3

就是最典型的超参数

• 模型训练时不会自动把 3 改成 5、改成 1
• 必须由你手动写死
• 改它会直接影响模型效果

这就叫超参数。

3. 常见超参数有哪些？

• KNN：n_neighbors（看最近几个邻居）
• 决策树/随机森林：树深度max_depth、树的数量
• 神经网络：学习率learning_rate、批次大小batch_size
• 训练：迭代次数epochs
• 正则化：C、alpha

4. 超参数用来干嘛？

用来控制模型训练方式、复杂程度、速度，比如：

• k 太小 → 模型太敏感，容易过拟合
• k 太大 → 模型太迟钝，欠拟合
• 学习率太大 → 训不收敛
• 学习率太小 → 训练太慢

调参 = 调整超参数

5. 超参数 vs 参数 终极总结

• 参数：模型自己学出来的 → 不用人管
• 超参数：人提前设定的 → 要人调

你代码里的n_neighbors=3，就是超参数。