学ぶグリッドサーチCV

メニューを表示するにはスワイプしてください

モデルの性能を向上させるために、ハイパーパラメータの調整を行う。基本的な考え方は、さまざまな値を試し、クロスバリデーションスコアを計算し、最も高いスコアを選択すること。

このプロセスは、GridSearchCV モジュールの sklearn.model_selection クラスを使用して実行できる。

GridSearchCV には、モデルとパラメータグリッド（param_grid）が必要。例：

param_grid = {'n_neighbors': [1, 3, 5, 7]}

GridSearchCV を初期化した後、.fit(X, y) を呼び出す。

最適なモデルは .best_estimator_ に格納される；
そのクロスバリデーションスコアは .best_score_ に格納される。


              12345678910111213
            
import pandas as pd
from sklearn.neighbors import KNeighborsClassifier
from sklearn.model_selection import GridSearchCV

df = pd.read_csv('https://codefinity-content-media.s3.eu-west-1.amazonaws.com/a65bbc96-309e-4df9-a790-a1eb8c815a1c/penguins_pipelined.csv')
X, y = df.drop('species', axis=1), df['species']

param_grid = {'n_neighbors': [1,3,5,7,9]}
grid_search = GridSearchCV(KNeighborsClassifier(), param_grid)
grid_search.fit(X, y)

print(grid_search.best_estimator_)
print(grid_search.best_score_)

GridSearchCV はフィッティング後、自動的に最適な推定器を全データセットで再学習します。 grid_search オブジェクトは最終的な学習済みモデルとなり、そのまま .predict() や .score() で直接利用可能です。


              12
            
grid_search.fit(X, y)
print(grid_search.score(X, y))   # training accuracy (not reliable for real evaluation)

すべて明確でしたか？

フィードバックありがとうございます！

セクション 4. 章 6

AIに質問する

何でも質問するか、提案された質問の1つを試してチャットを始めてください

セクション 4. 章 6