予測に best_estimator_ プロパティを直接使えるようにするには、次のどのパラメータを設定する必要がありますか？
best_estimator_
この演習はコースの一部です
理論を実践に変える、インタラクティブな演習のひとつをお試しください
この導入章では、ハイパーパラメータとパラメータの違いを学びます。パラメータの抽出と分析を練習し、いくつかの代表的なMachine Learningアルゴリズムでハイパーパラメータを設定します。あわせて、どのハイパーパラメータをチューニングすべきか、どの値を試すべきかのベストプラクティスやコツを学び、学習曲線を作成して選択を分析します。
この章では、Grid Searchと呼ばれる一般的な自動ハイパーパラメータチューニング手法を紹介します。Grid Searchの概要と仕組みを学び、Scikit Learnで実際にGrid Searchを実施します。さらに、Grid Searchの出力の読み解き方を学び、実務的に分析する経験を積みます。
現在の演習
この章では、もう一つの代表的な自動ハイパーパラメータチューニング手法であるRandom Searchを紹介します。Random Searchの概要と仕組み、そしてGrid Searchとの違いを学びます。本手法の長所・短所、Grid Searchとの使い分けの考え方を理解します。Scikit LearnでRandom Searchを行い、出力の可視化と解釈にも取り組みます。
最終章では、より高度なハイパーパラメータチューニング手法である「Informed Search」を体験します。ここでは、Coarse To Fine（粗から細へ）のアプローチに加え、BayesianやGeneticアルゴリズムによるチューニングを扱います。Informed Searchが非情報探索（Uninformed Search）とどう異なるかを学び、各手法で実践的なスキルを身につけながら相互に比較します。
