Inteligencia Artificial
Qué es Ajuste de hiperparámetros
Optimización de configuraciones del modelo ML
Ajuste de hiperparámetros es el proceso de encontrar configuraciones óptimas para un modelo de aprendizaje automático que no se aprenden de los datos sino que se establecen antes del entrenamiento.
Ejemplos de hiperparámetros
- Tasa de aprendizaje — velocidad de entrenamiento
- Número de capas en la red neuronal
- Tamaño del lote — ejemplos por iteración
- Regularización — L1, L2, dropout
Métodos de ajuste
- Grid Search — búsqueda exhaustiva de todas las combinaciones
- Random Search — muestreo aleatorio
- Optimización Bayesiana — búsqueda inteligente basada en resultados anteriores
- AutoML — ajuste automático
Herramientas
- Optuna, Hyperopt, Ray Tune, Keras Tuner
Importancia
El ajuste adecuado de hiperparámetros puede mejorar significativamente la calidad del modelo sin cambiar la arquitectura.