Параметр

З Вікіпедыі, свабоднай энцыклапедыі

Параметр (ад стар.-грэч.: παρά «каля» і стар.-грэч.: μέτρον «мера») — велічыня, якая характарызуе стан або істотную ўласцівасць сістэмы, прадмета, устройства, з’явы або працэсу[1][2].

У больш вузкіх значэннях вядомы ў многіх дысцыплінах, напрыклад у матэматыцы, праграмаванні, статыстыцы, машынным навучанні.

Матэматыка[правіць | правіць зыходнік]

Залежнасць графіка функцыі ад параметра

У матэматыцы параметр разглядаецца як нязменная ў пэўным кантэксце велічыня, якая ўплывае на характар або значэнне матэматычнага аб’екту. Паняцце параметра цесна звязана і падобна да паняцця зменнай, пры гэтым адрозненне паміж імі можа залежаць ад кантэксту. Напрыклад, зменнымі могуць называцца тыя велічыні, што змяняюцца цягам аднаго эксперыменту, а параметрамі тыя, што фіксуюцца ў адным эксперыменце, але могуць мець розныя значэнні ў розных эксперыментах[3].

Часта параметры ўжываюцца для запісу функцый. Напрыклад, адвольная квадратычная функцыя мае выгляд

дзе завецца зменнай (аргументам функцыі), а велічыні , і  — параметры, якія ўплываюць на характар функцыі. Кожны ўнікальны набор параметраў задае новую квадратычную функцыю[3].

Раўнанне, запісанае з дапамогай параметраў, завецца параметрычным раўнаннем[en][4].

Праграмаванне[правіць | правіць зыходнік]

У праграмаванні параметрам завецца зменная, якая выкарыстоўваецца ўнутры функцыі[en] як лакальная[en] і значэнне якой можа быць перададзена туды звонку. Сам выраз, які перадаецца ў функцыю, называецца аргументам. Першапачаткова параметр прымае значэнне перададзенага аргумента[5][6]. Розніцу паміж параметрам і аргументам можна прадэманстраваць наступным прыкладам на мове праграмавання Python:

def example_function(parameter):
  print(parameter)

argument = "hello world"
example_function(argument)

У прыкладзе вышэй параметр — зменная з назвай «parameter», аргумент — зменная «argument».

Выкарыстанне параметраў — пажаданы спосаб перадачы інфармацыі паміж часткамі праграмы (у адрозненне ад глабальных зменных[en]), бо яны дапамагаюць унікнуць сітуацыі, калі значэнні зменных унутры функцыі нечакана мадыфікуюцца іншымі элеменатмі кода[6].

Статыстыка[правіць | правіць зыходнік]

У статыстыцы параметрам называецца значэнне, якое апісвае генеральную сукупнасць (усю даследуемую групу людзей, жывёл, аб’ектаў і г.д.) Прыклады статыстычных параметраў: сярэдняе, медыяна, прапорцыя. Блізкім паводле значэння паняццем ёсць статыстыка[en], якая апісвае ўласцівасць выбаркі з генеральнай сукупнасці[7]. Наступная табліца дэманструе розніцу паміж параметрам і статыстыкай:

Параметр Статыстыка
Сярэдняя вага зубра ў Белавежскай пушчы Сярэдняя вага ў выбарцы з 10 зуброў Белавежскай пушчы
Медыянны ўзрост чалавека ў краіне Медыянны ўзрост у выбарцы з 200 грамадзян краіны
Прапорцыя жыхароў Беларусі, якія аддаюць перавагу глыбоцкай згушчонцы над рагачоўскай Прапорцыя тых, хто аддае перавагу глыбоцкай згушчонцы ў выбарцы з 500 жыхароў Беларусі

Як правіла, генеральная сукупнасць занадта вялікая для таго, каб можна было падлічыць дакладныя значэнні параметраў, таму яны застаюцца невядомымі. Значэнні статыстык, падлічаныя на выбарцы з генеральнай сукупнасці, выкарыстоўваюцца як набліжэнні для параметраў[7].

Машыннае навучанне[правіць | правіць зыходнік]

Простая лінейная рэгрэсія[en] апісвае сувязь паміж незалежнай і залежнай зменнымі і з дапамогай простай лініі Велічыні і  — параметры мадэлі, якія падбіраюцца ў працесе навучання такім чынам, каб мінімізаваць сярэднеквадратычную памылку[en].

У машынным навучанні параметрамі называюцца ўнутраныя зменныя мадэлі, аптымальныя значэнні якіх падбіраюцца ў працэсе навучання. Прыклады параметраў: каэфіцыенты лінейнай рэгрэсіі[en], вагі нейронных сетак[en], каардынаты цэнтроідаў у кластарызацыі[en] метадам k-сярэдніх[en][8].

Таксама існуе такое паняцце як гіперпараметр[en]. У адрозненне ад звычайных параметраў, гіперпараметры выкарыстоўваюцца для кантролю над працэсам навучання і іх значэнні могуць задавацца ўручную. Прыклады гіперпараметраў: тэмп навучання[en], велічыня рэгулярызацыі[en], колькасць цэнтроідаў у кластарызацыі метадам k-сярэдніх. Аптымальныя значэнні як параметраў, так і гіперпараметраў загадзя невядомыя. Для знаходжання аптымальных значэнняў гіперпараметраў выкарыстоўваюцца адмысловыя алгарытмы[en] іх аптымізацыі: пошук на сетцы, выпадковы пошук, баесаўская аптымізацыя[en] і іншыя[8].

Зноскі