딥러닝에서 초매개변수는 딥러닝 모델의 성능을 크게 좌우하는 값들이다. 은닉층의 개수, 은닉층내 은닉노드의 개수, 배치(batch)의 크기, 학습률(learning rate), momentum, 활동화함수 (activation function)의 선택, 가중치 감소시의 규제 강도(regularization strength) 등이 있다. 딥러닝에서 초매개변수의 조율을 위한 방법으로서는 그리드탐색, 임의탐색, 베이지언 방법 등이 있다. Gustave 등 (2018)은 랜덤포리스트에서 초매개변수의 조율을 위한 방법으로서 실험계획법을 사용하는 방법을 새로이 제시하였다. 본 연구에서는 딥러닝에서 초매개변수의 조율을 위한 방법으로서 실험계획법을 사용하는 방법을 제시하고자 한다. 몇 가지 사례를 통하여 이 방법을 구현하여 본다.
