Seu próximo nível começa aqui
Seu desenvolvimento não pode ter limites. Garanta sua Assinatura Ilimitada e libere uma preparação completa com os melhores professores do Brasil.
Se vamos criar apenas uma hipótese, essa abordagem é...
Se vamos criar apenas uma hipótese, essa abordagem é suficiente. Mas muitas vezes acabamos criando várias hipóteses: podemos querer comparar dois modelos de aprendizado de máquina completamente diferentes, ou podemos ajustar os vários “botões” dentro de um modelo. Por exemplo, poderíamos tentar diferentes limiares para poda χ2 das árvores de decisão ou diferentes graus para os polinômios. Chamamos esses “botões” de hiperparâmetros – parâmetros da classe de modelo, não do modelo individual. Desta forma, assinale a alternativa que apresenta o que são hiperparâmetros em modelos de aprendizado de máquina.
A
Parâmetros ajustados para maximizar o erro do conjunto de teste
B
Parâmetros que são ajustados automaticamente durante o treinamento do modelo
C
Parâmetros que são ajustados apenas depois que o modelo é treinado
D
Parâmetros que determinam a estrutura do modelo, mas não são ajustados durante o treinamento