Grid Search – metoda brute-force szukania parametrów.

Jest to metoda optymalizacji parametrów wykorzystywana w procesie uczenia maszynowego, polegająca na systematycznym przeszukiwaniu zdefiniowanej przestrzeni hiperparametrów. Polega na sprawdzeniu każdej możliwej kombinacji wartości ustalonych przed eksperymentem, co umożliwia znalezienie zestawu parametrów prowadzących do najlepszej wydajności modelu według wybranej metryki oceny. Podejście to jest klasycznym przykładem strategii typu brute-force, charakteryzującej się prostotą implementacji i pewnością znalezienia globalnego maksimum w zakresie zdefiniowanych wartości.

Metoda jest szczególnie użyteczna w sytuacjach, gdy przestrzeń hiperparametrów jest niewielka lub umiarkowana, co pozwala na przeprowadzenie pełnego przeszukania bez nadmiernych kosztów obliczeniowych. Wadą jest natomiast jej wysoki koszt obliczeniowy i czasochłonność w przypadku dużej liczby parametrów oraz szerokich zakresów wartości. Pomimo tego, metoda ta stanowi ważny element procesu optymalizacji modelu, często wykorzystywana jako punkt odniesienia lub etap wstępny przed zastosowaniem bardziej zaawansowanych technik, takich jak optymalizacja bayesowska czy algorytmy gradientowe.