Hyperparameterafstelling
Hyperparameterafstelling is het proces van het kiezen van hyperparameters van een machine learning-model. Hyperparameters zijn instellingen die niet tijdens het leerproces uit de data worden afgeleid, maar vooraf worden bepaald en het leerproces beïnvloeden. Voorbeelden zijn de leersnelheid, regularisatie, modelarchitectuur en batchgrootte.
De relevante hyperparameters variëren per modeltype. Bij neurale netwerken zijn voorbeelden de leersnelheid (learning rate), de
Het doel van afstelling is het maximaliseren van de prestaties op een geldige evaluatie, meestal gemeten met
Uitdagingen omvatten hoge kosten, het risico op overfitting van de validatieset als de verkenning te ruim is,