ハイパーパラメータ（Hyperparameters）は、機械学習やディープラーニングモデルの学習プロセスやアーキテクチャを制御するパラメータのことです。ハイパーパラメータは、モデル自体が学習中に最適な値を見つけることができないため、人手で設定する必要があります。

一般的なハイパーパラメータには、学習率、バッチサイズ、エポック数、隠れ層のユニット数、正則化パラメータ、ドロップアウト率などがあります。これらのパラメータは、モデルの性能や学習の速さに直接影響を与えます。

ハイパーパラメータの選択は、モデルの性能や学習の収束に大きな影響を与えるため、慎重に行う必要があります。一般的な方法は、グリッドサーチやランダムサーチなどのハイパーパラメータ探索手法を使用して、さまざまな組み合わせのハイパーパラメータを試すことです。また、クロスバリデーションや検証セットを使用して、ハイパーパラメータの選択を評価します。

ハイパーパラメータの適切な設定は、モデルの性能や収束の速さに大きな影響を与えるため、機械学習やディープラーニングの実践では重要な要素となります。最適なハイパーパラメータの探索は、モデルの性能を最大化するために欠かせない手順です。