インフォームドサーチ：粗から細へ（Coarse to Fine）

Create Your Free Account

or

By continuing, you accept our Terms of Use, our Privacy Policy and that your data is stored in the USA.

この演習はコースの一部です

Pythonでのハイパーパラメータチューニング

SkillTag.level.intermediateSkillTag.label

4.9+

無料でコースを始める

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。

Exercise 1: イントロダクションと「パラメータ」Exercise 2: Logistic Regression におけるパラメータ Exercise 3: ロジスティック回帰のパラメータを抽出する Exercise 4: Random Forestのパラメータを抽出する Exercise 5: ハイパーパラメータの紹介 Exercise 6: Random Forest におけるハイパーパラメータ Exercise 7: Random Forest のハイパーパラメータを探る Exercise 8: KNN のハイパーパラメータ Exercise 9: ハイパーパラメータの設定と分析 Exercise 10: ハイパーパラメータ選択の自動化 Exercise 11: 学習曲線を作る

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。

Exercise 1: Grid Search を紹介します Exercise 2: Grid Search 用の関数を作る Exercise 3: 複数のハイパーパラメータを反復的にチューニングする Exercise 4: モデルはいくつ？Exercise 5: Scikit Learnでのグリッドサーチ Exercise 6: GridSearchCV の入力 Exercise 7: Scikit Learn での GridSearchCV Exercise 8: Grid Search の出力を理解する Exercise 9: 最良の出力を活用する Exercise 10: グリッドサーチ結果を探る Exercise 11: ベスト結果の分析 Exercise 12: ベストな結果を使う

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。

Exercise 1: Random Search の導入 Exercise 2: ハイパーパラメータをランダムにサンプリングする Exercise 3: Random Forestでランダムサーチ Exercise 4: Random Search を可視化する Exercise 5: Scikit LearnでのRandom Search Exercise 6: RandomSearchCV の入力 Exercise 7: RandomizedSearchCV オブジェクト Exercise 8: Scikit Learn における RandomSearchCV Exercise 9: Grid Search と Random Search の比較 Exercise 10: Random Search と Grid Search の比較 Exercise 11: Grid と Random Search を並べて比較

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。

Exercise 1: インフォームドサーチ：粗から細へ（Coarse to Fine）

現在の演習

Exercise 2: Coarse to Fine の可視化 Exercise 3: Coarse to Fine の反復 Exercise 4: Informed Search: ベイズ統計 Exercise 5: Pythonでのベイズ則 Exercise 6: Hyperopt を使ったベイズ的ハイパーパラメータチューニング Exercise 7: インフォームドサーチ：遺伝的アルゴリズム Exercise 8: TPOT による遺伝的ハイパーパラメータチューニング Exercise 9: TPOT の安定性を分析する Exercise 10: おめでとうございます！