Grid Search (Búsqueda en Cuadrícula)

Es un método sistemático para ajustar los hiperparámetros de un modelo de machine learning.

Consiste en definir un espacio de búsqueda predefinido con posibles valores para cada hiperparámetro.

El modelo entrena y evalúa exhaustivamente con todas las combinaciones posibles dentro del espacio especificado.

Su objetivo es identificar la configuración óptima de hiperparámetros que maximice el rendimiento del modelo en datos de validación.

Requiere un alto costo computacional, especialmente con conjuntos de datos grandes o muchos hiperparámetros.

Se utiliza frecuentemente junto con técnicas de validación cruzada para garantizar resultados generalizables.

Ideal para problemas con un número limitado de combinaciones posibles y cuando se dispone de recursos computacionales suficientes.