エントリーの編集
エントリーの編集は全ユーザーに共通の機能です。
必ずガイドラインを一読の上ご利用ください。
時系列性を持つデータに対するLightGBM予測モデルをhyperoptでパラメータチューニングした:結果の再現とn_estimatorsを整数型にするのにハマった件 - Qiita
記事へのコメント0件
- 注目コメント
- 新着コメント
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
- バナー広告なし
- ミュート機能あり
- ダークモード搭載
関連記事
時系列性を持つデータに対するLightGBM予測モデルをhyperoptでパラメータチューニングした:結果の再現とn_estimatorsを整数型にするのにハマった件 - Qiita
時系列性を持つデータに対するLightGBM予測モデルをhyperoptでパラメータチューニングした:結果の再現... 時系列性を持つデータに対するLightGBM予測モデルをhyperoptでパラメータチューニングした:結果の再現とn_estimatorsを整数型にするのにハマった件Python機械学習sklearnlightgbmhyperopt はじめに python機械学習の6章には、GridSearchによるハイパーパラメータチューニングの方法は載っていました。 やはり、ベイズ最適化によるハイパーパラメータチューニングもおさえておきたいです。Kaggleなどでよく使われているhyperoptを実際に使ってみました。この際、以下のことにハマってしまいました。 乱数シードを固定し、結果を再現する RandomForest、LightGBMのn_estimatorsの様に整数型として扱う 自分の備忘録を兼ねて、hyperoptの使い方を上記の点に重きを置きながら記事を書きたいと思います。 この記事を書く