最終更新日：2026年8月26日
gk
G検定トップ
＞ ハイパーパラメータとパラメータの違いとは？【G検定対策】
まず結論
- パラメータ：学習データからモデルが最適化する値
- ハイパーパラメータ：学習方法やモデルの複雑さなどを制御する設定値
G検定では、通常の学習で更新されるかどうかを見ると切り分けやすくなります。
直感的な説明
勉強にたとえると、
- パラメータ：勉強の結果として身についた知識
- ハイパーパラメータ：勉強時間や学習方法の設定
のような違いです。
「誰が決めるか」だけでなく、学習によって直接最適化されるかで見るのが安全です。
定義・仕組み
| 種類 | 代表例 | どう決まる？ |
|---|---|---|
| パラメータ | 重み、バイアス、回帰係数 | 学習データを使って最適化 |
| ハイパーパラメータ | 学習率、正則化係数、木の深さ | 学習の外側で設定・探索 |
パラメータ
損失を小さくするように、学習アルゴリズムが更新します。
例：
- 線形回帰の係数
- ニューラルネットワークの重み・バイアス
ハイパーパラメータ
モデルの学習方法や構造を制御します。
例：
- 学習率
- 正則化係数
- 決定木の最大深さ
- k-NNの
k - k-fold交差検証の分割数
k
同じ k でも、何の設定値かを文脈で見る必要があります。
いつ使う？（得意・不得意）
ハイパーパラメータは、グリッドサーチ・ランダムサーチ・ベイズ最適化などで調整できます。
ただし、
- 「人が直接手で決めた値だけがハイパーパラメータ」ではない
- AutoMLなどで自動探索してもハイパーパラメータはハイパーパラメータ
です。
G検定ひっかけポイント
- ❌「学習率は学習中に使うのでパラメータ」
- 学習率は通常ハイパーパラメータです。
- ❌「重みは人が初期値を設定するのでハイパーパラメータ」
- 初期値が設定されても、学習で更新される重みはパラメータです。
- ❌「自動探索された値はパラメータ」
- 自動探索しても、学習の外側で設定する値ならハイパーパラメータです。
判断基準
- 学習データから直接更新 → パラメータ
- 学習条件・構造を設定 → ハイパーパラメータ
まとめ（試験直前用）
- 重み・バイアス → パラメータ
- 学習率・正則化係数 → ハイパーパラメータ
- 探索手法が主に調整するのはハイパーパラメータ
- 「人が決めるか」より「学習で更新されるか」で判断