Penyetelan hyperparameter adalah proses yang dilakukan teknisi untuk menyesuaikan parameter parameter internal algoritme pembelajaran mesin untuk meningkatkan akurasi dan performanya. Ini adalah proses berulang yang melibatkan coba-coba, karena teknisi akan menyesuaikan nilai hyperparameter dan mengevaluasi perubahan yang dihasilkan dalam performa algoritme.
Hyperparameter berbeda dari parameter model standar, yang dipelajari algoritma pembelajaran mesin saat melatih data. Hyperparameter ditetapkan oleh teknisi dan tetap konstan selama proses pelatihan algoritme. Contoh hyperparameter mencakup jumlah lapisan dalam jaringan saraf, kecepatan pembelajaran untuk algoritme pengoptimalan, dan jumlah pohon dalam pohon keputusan.
Dalam proses penyetelan hyperparameter, para insinyur mencoba menemukan nilai optimal dari hyperparameter dengan menjalankan algoritma pada data pelatihan beberapa kali. Setiap kali hyperparameter disempurnakan dan performa yang dihasilkan pada data pelatihan dievaluasi, memungkinkan teknisi mengidentifikasi pengaturan yang akan memberikan hasil terbaik pada data baru. Proses ini sering disebut sebagai “optimasi hiperparameter”.
Hyperparameter sangat penting saat membuat model pembelajaran mesin karena dapat memengaruhi performa hasil akhirnya secara signifikan. Oleh karena itu, penyetelan hyperparameter merupakan langkah penting dalam pengembangan algoritme pembelajaran mesin apa pun dan tidak boleh diabaikan.
