ضبط المعلمات الفائقة هو عملية يقوم المهندسون من خلالها بضبط معلمات المعلمات الداخلية لخوارزمية التعلم الآلي لتحسين دقتها وأدائها. إنها عملية تكرارية تتضمن التجربة والخطأ، حيث سيقوم المهندس بضبط قيم المعلمات الفائقة وتقييم التغيير الناتج في أداء الخوارزمية.
تختلف المعلمات الفائقة عن معلمات النموذج القياسية، التي تتعلمها خوارزمية التعلم الآلي أثناء التدريب على البيانات. يتم تعيين المعلمات الفائقة بواسطة المهندس وتظل ثابتة طوال عملية تدريب الخوارزمية. تتضمن أمثلة المعلمات الفائقة عدد الطبقات في الشبكة العصبية، ومعدل التعلم لخوارزميات التحسين، وعدد الأشجار في شجرة القرار.
في عملية ضبط المعلمات الفائقة، يحاول المهندسون العثور على القيم المثالية للمعلمات الفائقة عن طريق تشغيل الخوارزمية على بيانات التدريب عدة مرات. في كل مرة يتم ضبط المعلمات الفائقة بشكل دقيق ويتم تقييم الأداء الناتج على بيانات التدريب، مما يسمح للمهندس بتحديد الإعداد الذي سيؤدي إلى أفضل النتائج على البيانات الجديدة. غالبًا ما يُشار إلى هذه العملية باسم "تحسين المعلمات الفائقة".
تعتبر المعلمات الفائقة ذات أهمية خاصة عند إنشاء نماذج التعلم الآلي لأنها يمكن أن تؤثر بشكل كبير على أداء النتيجة النهائية. لذلك، يعد ضبط المعلمة الفائقة خطوة مهمة في تطوير أي خوارزمية للتعلم الآلي ولا ينبغي إغفالها.
