[概要]
機械学習モデル作成に使用される、Scikit-learnライブラリにはGridSearchCVというクラスがあります。本クラスを使用する際、グリッドサーチによる最良のパラメータ選択と、K分割交差検証による最良のモデル選択の仕組みは以下の通りです。
<サンプルコード>
# Train the model using the max depth and min samples split hyperparameters selected by grid search, along with the training data
gridsearch_tuned_model = GridSearchCV(estimator=estimator, param_grid=param_grid, cv=cv, return_train_score=False)
gridsearch_tuned_model.fit(x_train, y_train)
# Display best hyperparameter
gridsearch_tuned_model.best_params_
# Update the model to the best version
gridsearch_best_tuned_model = gridsearch_tuned_model.best_estimator_| 項目 | 仕組み |
| 最良の パラメータ選択 | 各パラメータの組合せのうち、 K回の学習を行ったモデルの平均精度が最も高かった組合せを選択 |
| 最良の モデル選択 | 最良のパラメータでK回の学習を行ったK個のモデルのうち、 最も良い性能（K分の1個の検証用データによる検証結果）を示したモデルを選択 |
