Hyperparameter Tuning is het proces van het selecteren van de beste waarden voor hyperparameters – instellingen die u handmatig instelt voordat het model traint. Dit verschilt van parameters, die het model zelf leert.

Hyperparameters zijn dingen zoals learning rate, batch size, aantal lagen in het netwerk, en regularisatiesterkte. Het vinden van optimale waarden is cruciaal voor modelprestatie en vereist systematisch testen.