¿Qué diferencia hay entre los parámetros de un modelo y sus hiperparámetros?
Opciones
- Los parámetros se fijan a mano antes de entrenar; los hiperparámetros se aprenden de los datos
- No hay diferencia; las dos palabras significan lo mismo
- Los parámetros son de los modelos de regresión y los hiperparámetros de los de clasificación
- Los parámetros se aprenden de los datos de entrenamiento; los hiperparámetros se eligen antes de empezar a entrenar (Opción correcta)
Respuesta
Los parámetros se aprenden de los datos de entrenamiento; los hiperparámetros se eligen antes de empezar a entrenar
Por qué
Los parámetros son los números que el modelo aprende al entrenar, como los pesos de un modelo lineal o los valores de corte de un árbol.
Los hiperparámetros son ajustes que eliges antes de entrenar, como la tasa de aprendizaje, la profundidad máxima de un árbol o la fuerza de la regularización.
Los buenos hiperparámetros se encuentran probando valores y midiendo con datos de validación, no entrenándolos.
Recuerda
Los parámetros se aprenden; los hiperparámetros se eligen.