scikit-learnでモデルのハイパーパラメータチューニングをしよう！ - Qiita

ハイパーパラメータチューニングって？ モデルによってあらかじめ決めなきゃいけないパラメータがあります。 (例えばk-meansのクラスタ数や、SVCの正則化項の強さ、決定木の深さなど) それを『ハイパーパラメータ』というのですが、困ったことに同じモデルだとしてもハイパーパラメータの値によって精度が大幅に変わることもあります。 それをうまく、学習データを用いて決めてしまおうというのが、ハイパーパラメータチューニングなのです！！ グリッドサーチとランダムサーチ そのチューニング手法の内、今回扱うのは、グリッドサーチとランダムサーチの2つです。 ざっくりいいますと、ハイパーパラメータαがあるとすると以下の流れで実行します。 ・グリッドサーチは、あらかじめαの範囲(ex. 0,1,2,3,4,5など)を指定して、実際にそのパラメータでモデルの精度を出してみて、一番いいやつをパラメータにする。 ・ラ