Random Search – losowe szukanie parametrów (często skuteczniejsze niż Grid).

Metoda ta polega na losowym próbkowaniu przestrzeni hiperparametrów w celu znalezienia optymalnych wartości dla modelu uczenia maszynowego. W przeciwieństwie do systematycznego przeszukiwania według ustalonej siatki punktów (ang. Grid Search), losowe szukanie wybiera punkty w sposób losowy, co pozwala na lepsze pokrycie przestrzeni poszukiwań zwłaszcza w przypadku hiperparametrów o różnej ważności lub szerokim zakresie wartości.

Zaletą tego podejścia jest efektywność obliczeniowa – losowe szukanie może szybciej znaleźć wartości bliskie optymalnym, zwłaszcza gdy tylko niewielka część hiperparametrów istotnie wpływa na wydajność modelu. Dzięki temu często przewyższa tradycyjne metody siatkowe, zwłaszcza w wysokowymiarowych przestrzeniach parametrów, gdzie przeszukiwanie wszystkich kombinacji jest kosztowne lub niemożliwe do wykonania w praktyce.