ハイパーパラメーター

ハイパーパラメーターとは、学習モデルに指定して学習の方法や処理の複雑さ、計算時のパラメーターなどを指定する値のことを言います。

ロジスティック回帰の場合、以下の C がハイパーパラメーターです:

lr = LogisticRegression(C=1000)

scikit-learnの学習モデルでの、代表的なハイパーパラメーターは以下です。

• LogisticRegression

  • C: 逆正則化パラメーターで、小さいほど過学習を防ぐ

• DecisionTreeClassifier

  • max_depth: 木の深さを指定するパラメーターで、小さいほど決定境界が単純になる

• SVC

  • C: 逆正則化パラメーター

  • gamma: RBFカーネルパラメーターで、小さいほど決定境界が単純になる

• RandomForestClassifier

  • max_depth: 各決定木の深さ

  • n_estimators: 多数決に使う決定木の個数、一般に大きいほど精度は上がりやすいが計算コストも大きくなる

当コンテンツの知的財産権は株式会社ビープラウドに所属します。詳しくは利用規約をご確認ください。