Гиперпараметры — это просто параметры, которые мы передаем алгоритму обучения для управления обучением модели. Гиперпараметры — это выбор, который делает разработчик алгоритма, чтобы «настроить» поведение алгоритма обучения. Таким образом, выбор гиперпараметров имеет большое значение для окончательной модели, созданной алгоритмом обучения.
Таким образом, в основном все, что передается алгоритму до того, как он начнет свое обучение или процесс обучения, является гиперпараметром, то есть это параметры, которые предоставляет пользователь, а не то, что алгоритм изучает самостоятельно в процессе обучения. Здесь одним из введенных вами гиперпараметров был «max_depth», который по существу определяет, сколько уровней узлов у вас будет от корня до листа. Это то, что алгоритм не может определить самостоятельно и должен быть предоставлен пользователем. Следовательно, это гиперпараметр.
Теперь, очевидно, поскольку гиперпараметры могут принимать много значений, нам важно определить оптимальные значения, при которых модель будет работать лучше всего. Этот процесс оптимизации гиперпараметров называется настройкой гиперпараметров. Вы научитесь делать это на следующем занятии. Во-первых, давайте ответим на некоторые вопросы, основанные на ваших знаниях.
