¿Para qué sirve la tasa de aprendizaje y de qué es responsable?

La tasa de aprendizaje (learning rate) es un hiperparámetro en algoritmos de aprendizaje automático, especialmente en métodos de optimización como el descenso de gradiente. Define qué tan fuerte se actualizan los parámetros del modelo en cada paso de entrenamiento.

Si la tasa de aprendizaje es demasiado grande, el modelo puede "saltar" el mínimo de la función de error y no converger. Si es demasiado pequeña, el entrenamiento será muy lento y puede quedar atrapado en mínimos locales.

Ejemplo: al actualizar los pesos de una red neuronal

weights = weights - learning_rate * gradient

Aquí, learning_rate controla el tamaño del paso en la dirección de reducción del error. Elegir correctamente la tasa de aprendizaje es importante para un entrenamiento efectivo y estable del modelo.