Factor de aprendizaje

Es un hiperparámetro clave que controla la velocidad a la que un modelo de machine learning ajusta los pesos durante el entrenamiento.

Determina la magnitud de los cambios realizados en respuesta al error calculado en cada iteración del algoritmo de optimización.

Un valor demasiado alto puede causar que el modelo no converja o que oscile entre soluciones, mientras que un valor demasiado bajo puede resultar en un entrenamiento lento o en el estancamiento en mínimos locales.

Es común ajustar este parámetro de forma manual o mediante técnicas como la búsqueda en cuadrícula o el uso de estrategias adaptativas de optimización, como Adam o RMSProp.

El ajuste adecuado es esencial para lograr un balance entre la velocidad de entrenamiento y la precisión del modelo final.