[WIP] GridSearchを使えるようになる

機械学習のハイパーパラメータを最適化するために、最適な値を総当たりする手法です。

インタフェース

class sklearn.model_selection.GridSearchCV(
estimator, 
param_grid, 
scoring=None, 
fit_params=None, 
n_jobs=1, 
iid=True, 
refit=True, 
cv=None, 
verbose=0, 
pre_dispatch=‘2*n_jobs’, 
error_score=’raise’, return_train_score=’warn’)

パラメータ

• estimator
  • ここに、学習に用いる予測器を渡します
• param_grid
  • 組み合わせ最適化に渡す値を入力します
• n_jobs
  • 並行実行が可能
• cv
  • クロスバリデーションの値
  • 指定した値で k-fold が実行される

結果を見るには

• best_estimator_
  • GridSearchで選ばれた予測器を返します
• best_score_
  • 最も良い予測器のスコアの中央値を返します
• best_params_
  • 最も良いパラメータセットを辞書形式で返します

最適化を実行

GridSearchCV

なにがアウトプットされるのか？

clf.grid_scores_

clf.best_params_