¿En qué rango se establecen los hiperparámetros del modelo?

El rango de hiperparámetros del modelo depende del algoritmo y la tarea específicos, pero generalmente se establece en función de la experiencia, la literatura y los experimentos. Por ejemplo:

• Para la tasa de aprendizaje en descenso de gradiente, a menudo se eligen valores desde 0.0001 hasta 0.1.
• La cantidad de árboles en un bosque aleatorio puede variar desde 10 hasta varios cientos.
• La profundidad del árbol va de 3 a 30 niveles.

Es importante utilizar métodos de optimización de hiperparámetros (Búsqueda en cuadrícula, Búsqueda aleatoria, Optimización bayesiana) para seleccionar rangos y valores que proporcionen el mejor resultado en los datos de validación.