Inom maskininlärning är hyperparametrar en samling av parametrar som styr beteendet hos en inlärningsalgoritm.
Hyperparameteroptimering är processen för att söka efter de optimala värdena för dessa parametrar, för att maximera prestandan hos en modell. Detta kan göras manuellt, men oftast används automatiserade verktyg som söker igenom parametrarna och testar olika kombinationer för att hitta den bästa modellen.
Ett exempel på en sådan algoritm är Grid Search.