1. 学ぶ
    2. /
  2. コース
    3. /
  3. Pythonでのハイパーパラメータチューニング
Connected

演習

ハイパーパラメータをランダムにサンプリングする

Random Search を行うには、まずハイパーパラメータ空間からランダムにサンプリングする必要があります。

この演習では、最初にハイパーパラメータのリストを作成し、それらをまとめてリストのリストにします。続いて、Random Search の実行に向けて、ハイパーパラメータの組み合わせをランダムにサンプリングします。

例をわかりやすく、複雑にしすぎないために、GBM アルゴリズムのハイパーパラメータ learning_rate と min_samples_leaf のみを使用します。

指示

100 XP
  • learning_rate ハイパーパラメータについて、0.01 から 1.5 の範囲で200個の値を作成し、リスト learn_rate_list に代入してください。
  • ハイパーパラメータ min_samples_leaf について、10 から 40（両端を含む）の値のリストを作成し、リスト min_samples_list に代入してください。
  • これらのリストを結合して、サンプリング対象となるリストのリストにしてください。
  • これらのハイパーパラメータの組み合わせからモデルを250個ランダムにサンプリングし、結果を出力してください。