機械学習のパラメータチューニングを「これでもか！」というくらい丁寧に解説 - Qiita

テクノロジーカテゴリーの変更を依頼記事元:

qiita.com/c60evaporator

64 usersがブックマークコメント

記事へのコメント0件

注目コメント
新着コメント

新着コメントはまだありません。
このエントリーにコメントしてみましょう。

注目コメント算出アルゴリズムの一部にLINEヤフー株式会社の「建設的コメント順位付けモデルAPI」を使用しています

リンクを埋め込む

以下のコードをコピーしてサイトに埋め込むことができます

<iframe marginwidth="0" marginheight="0" src="https://b.hatena.ne.jp/entry.parts?url=https%3A%2F%2Fqiita.com%2Fc60evaporator%2Fitems%2Fca7eb70e1508d2ba5359%3Futm_source%3DQiita%25E3%2583%258B%25E3%2583%25A5%25E3%2583%25BC%25E3%2582%25B9%26utm_campaign%3D24781af21d-Qiita_newsletter_468_06_30_2021%26utm_medium%3Demail%26utm_term%3D0_e44feaa081-24781af21d-33005145" scrolling="no" frameborder="0" height="230" width="500"><div class="hatena-bookmark-detail-info"><a href="https://qiita.com/c60evaporator/items/ca7eb70e1508d2ba5359?utm_source=Qiita%E3%83%8B%E3%83%A5%E3%83%BC%E3%82%B9&utm_campaign=24781af21d-Qiita_newsletter_468_06_30_2021&utm_medium=email&utm_term=0_e44feaa081-24781af21d-33005145">機械学習のパラメータチューニングを「これでもか！」というくらい丁寧に解説 - Qiita</a><a href="https://b.hatena.ne.jp/entry/s/qiita.com/c60evaporator/items/ca7eb70e1508d2ba5359?utm_source=Qiita%E3%83%8B%E3%83%A5%E3%83%BC%E3%82%B9&utm_campaign=24781af21d-Qiita_newsletter_468_06_30_2021&utm_medium=email&utm_term=0_e44feaa081-24781af21d-33005145">はてなブックマーク - 機械学習のパラメータチューニングを「これでもか！」というくらい丁寧に解説 - Qiita</a></div></iframe>

プレビュー

規約違反を報告

いまの話題をアプリでチェック！

バナー広告なし
ミュート機能あり
ダークモード搭載

アプリをダウンロード

機械学習のパラメータチューニングを「これでもか！」というくらい丁寧に解説 - Qiita

はじめに私はこれまで機械学習のパラメータチューニングに関し、様々な書籍やサイトで学習を進めてきま... はじめに私はこれまで機械学習のパラメータチューニングに関し、様々な書籍やサイトで学習を進めてきました。しかしどれもテクニックの解説が主体のものが多く、「なぜチューニングが必要なのか？」という目的に関する記載が非常に少なかったため、体系的な理解に苦労しました。この経験を後世に役立てられるよう、「初心者でも体系的に理解できる丁寧さ！」をモットーに記事にまとめたいと思います。具体的には、 1. パラメータチューニングの目的 2. チューニングの手順とアルゴリズム一覧 3. Pythonでの実装手順 (SVMでの分類を例に) の手順で解説を進めます。独自解釈も含まれるため、間違っている点等ございましたら指摘頂けると有難いです。なお、文中のコードはこちらのGitHubにもアップロードしております。 2021/9/6追記：LightGBMのチューニング実行例追加以下の記事に、Ligh