Olá. Gostaria de saber se, já que o keras já tem todos os seus hiperparâmetros dentro dos modelos testados muitas vezes devemos deixar os padrões ou devemos, de acordo com o problema, fazer alterações nos hiperparâmetros? Obrigad.
Você está vendo a versão anterior da nova experiência da Alura que estamos preparando para você. Em breve, ela ganha uma identidade visual novinha totalmente pensada em potencializar seus estudos!
Olá. Gostaria de saber se, já que o keras já tem todos os seus hiperparâmetros dentro dos modelos testados muitas vezes devemos deixar os padrões ou devemos, de acordo com o problema, fazer alterações nos hiperparâmetros? Obrigad.
Olá, Jonata! Tudo bem com você?
A otimização dos hiperparâmetros é uma parte essencial do desenvolvimento do modelos de Machine Learning para buscar a melhor solução e o melhor modelo com os melhores parâmetros. Ao deixar esses parâmetros como o padrão do Keras, pode acontecer de você está deixando de obter mais assertividade do modelo.
Então após finalizado todo o seu processo de desenvolvimento, o ideal é realizar a otimização dos hiperparâmetros.
Espero ter ajudado, mas se ainda persistir alguma dúvida estou sempre à disposição.
:)