Un hyperparamètre est un réglage choisi avant l'entraînement, comme la profondeur maximale d'un arbre, le nombre de voisins ou la force de régularisation. Il se distingue des paramètres, appris à partir des données. On les sélectionne par validation plutôt que sur les données de test.
Exemple
RandomForestClassifier(n_estimators=200, max_depth=8)