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
IoTによるモノ売りモデルからの脱却は4つのパターンに分けられる
うちやま・さとし／大手外資系企業の情報システム部門などを経て、1989年からデータクエスト・ジャパンでIT分野のシニア・アナリストととして国内外の主要ベンダーの戦略策定に参画。1994年に情報技術研究所（現アイ・ティ・アール）を設立し、代表取締役に就任。2019年2月より現職。 経営のためのＩＴ 日々進化するIT技術をどうやって経営にいかしていくか。この課題を、独立系ITアナリストが事例を交えて再検証する。クラウド、セキュリティ、仮想化、ビッグデータ、デジタルマーケティング、グローバル業務基盤…。毎回テーマを決め、技術視点でなく経営者の視点で解き明かす。 バックナンバー一覧 IoTによってもたらされる変革は、製造業のみならず、物流、交通、医療、防犯、防災など非常に多岐にわたるが、本稿ではその中の1つである製品のスマート化に焦点を当てる。それは、単に製品の機能や性能が付加されることを意味する
1
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
処理を実行中です
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
