Hiperparámetro

Parámetro ajustable que influye en el comportamiento y rendimiento de un modelo de machine learning o inteligencia artificial.

No forma parte de los parámetros que el modelo aprende directamente de los datos, sino que se configura antes del proceso de entrenamiento.

Su correcta selección es fundamental y puede implicar pruebas iterativas o procedimientos de optimización automatizados como búsqueda en cuadrícula o búsqueda aleatoria.

Ejemplos de este tipo de parámetros incluyen la tasa de aprendizaje, el número de capas en una red neuronal y el tamaño de los lotes (batch size).

Definir apropiadamente estos valores puede impactar en la precisión, velocidad de convergencia y capacidad de generalización del modelo.