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. 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.
:)