**グリッドサーチ（Grid Search）**とは、
機械学習モデルのパラメータ（ハイパーパラメータ）を、いろいろな組み合わせで総当たり的に試して、一番良い組み合わせを探す方法のことです。
簡単に言うと：
「パラメータを網の目（グリッド）のように並べて、全部試してみる！」
というイメージです。
もう少し具体的に
例えば、あなたが機械学習モデルを作るとき、
次のようなハイパーパラメータを調整したいとします：
| パラメータ | 試す値 |
|---|---|
| 学習率（learning rate） | 0.01, 0.1, 1 |
| 木の深さ（max depth） | 3, 5, 7 |
これをグリッドサーチすると：
- 学習率0.01 × 深さ3
- 学習率0.01 × 深さ5
- 学習率0.01 × 深さ7
- 学習率0.1 × 深さ3
- ...
などすべての組み合わせを試して、
一番精度がよかったものを選びます。
これが「グリッドサーチ」です。
特徴
| 項目 | 内容 |
|---|---|
| メリット | 確実に「設定した範囲内で最良の組み合わせ」を探せる |
| デメリット | 計算コストが高い（組み合わせが多いと非常に時間がかかる） |
まとめ
- グリッドサーチ＝総当たりでパラメータを探索する方法
- 正確だけど計算量が多くて大変なこともある
- たくさん試せるとき（リソースがあるとき）にはとても有効！