Os hiperparâmetros de um modelo são todos os
parâmetros que podem ser definidos antes do inicio do
treinamento, diferentemente dos parâmetros do modelo, que são
aprendidos durante o treino do modelo. A busca por
hiperparâmetros de determinado algoritmo de aprendizado de
máquina que retorne o melhor desempenho medido em um
conjunto de validação deu origem ao conceito de otimização de
hiperparâmetros.
Acerca dos conceitos de otimização de hiperparâmetros de
modelos de aprendizado de máquinas, julgue o item que se segue.
A otimização bayesiana se utiliza do conceito de
probabilidade para encontrar o valor de entrada de uma
função que possa retornar o menor valor de saída possível.
Nesse método, o número de iterações de pesquisa pode ser
reduzido a partir da escolha dos valores de entrada, levando
em consideração os resultados anteriores, o que caracteriza
um processo iterativo.