Explora el ajuste de hiperparámetros

Un hiperparámetro es un parámetro del modelo que tú eliges antes de empezar el entrenamiento. (A diferencia de los parámetros, que se determinan durante el entrenamiento del modelo). Los hiperparámetros que puedes configurar varían según el tipo de modelo.

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

Por lo general, es imposible saber qué combinación de hiperparámetros dará el modelo con mejor rendimiento, así que tienes que probar muchas combinaciones.

Usa los controles del panel para cambiar los hiperparámetros y encontrar la combinación que dé la mayor precisión.