EmpezarEmpieza gratis

Explora la optimización de hiperparámetros

Un hiperparámetro es un parámetro del modelo que eliges tú antes de empezar el entrenamiento. (A diferencia de los parámetros, que los determina el propio entrenamiento del modelo). Los hiperparámetros disponibles para configurar varían según el tipo de modelo.

El panel muestra un modelo de gradient boosting (GBM) que intenta predecir si una persona que visita la web completará una compra o no. Los GBM son un tipo de modelo de conjunto que crean muchos árboles de regresión. Los hiperparámetros de los GBM incluyen el número de árboles a generar, la complejidad de cada árbol y la tasa de aprendizaje (cuánto peso se le da a cada árbol).

Suele ser imposible saber qué combinación de hiperparámetros dará lugar al modelo con mejor rendimiento, así que hay que probar muchas combinaciones.

Usa los controles del panel para cambiar los hiperparámetros y encontrar la combinación que ofrezca la mayor exactitud.

Este ejercicio forma parte del curso

Comprender el machine learning

Ver curso

ejercicio interactivo práctico

Convierte la teoría en práctica con uno de nuestros ejercicios interactivos

Empezar ejercicio