Definizione
Un iperparametro è un parametro il cui valore viene impostato prima dell’addestramento di un modello di intelligenza artificiale e non viene appreso direttamente dai dati. Gli iperparametri influenzano il comportamento e le prestazioni del modello, regolando aspetti come la capacità di generalizzazione, la velocità di convergenza e la stabilità dell’ottimizzazione.
Gli iperparametri si dividono in due categorie principali:
- Iperparametri del modello: definiscono la struttura dell’algoritmo (es. numero di neuroni in una rete neurale).
- Iperparametri dell’ottimizzazione: controllano il processo di apprendimento (es. tasso di apprendimento, dimensione del batch, numero di epoche).
L’ottimizzazione degli iperparametri (Hyperparameter Tuning) è un passaggio cruciale per ottenere buone prestazioni e può essere effettuata con tecniche come la ricerca a griglia (Grid Search) o la ricerca randomica (Random Search).
Applicazioni in Medicina
- Diagnosi basata su IA: abbassare il tasso di apprendimento dopo varie epoche di addestramento di un modello di Deep learning può aiutare il modello stesso a generalizzare meglio e quindi effettuare una diagnosi migliore su nuovi dati.
