Pythonデータサイエンスハンドブック ―Jupyter、NumPy、pandas、Matplotlib、scikit-learnを使ったデータ分析、機械学習

376

5

章 機械学習

加します（破線で示しています）が、モデルのバリアンスが高くなります（学習と検証の差）。さら

に多くのデータポイントを追加すると、より複雑なモデルの学習曲線でも最終的には収束します。

モデルとデータセットの学習曲線をプロットすることで、分析を向上させるにはどのように進め

れば良いのかを決断する際の有益な情報が得られます。

5.3.4

 検証の実践：グリッドサーチ

前述の説明では、バイアスとバリアンス間のトレードオフ、それらに関連するモデルの複雑さと

学習セットの量についての感覚的な理解を促しました。実際のモデルには変化させる対象が複数存

在するため、検証曲線と学習曲線は線ではなく多次元の面になります。このような場合、可視化は

困難であることから、検証スコアを最大化する特定のモデルを探す方がずっと簡単です。

scikit-learn

は、

model_selection

モジュールでこれを行うための自動化ツールを提供します。こ

こでは、グリッドサーチを使用して最適な多項式モデルを見つける例を示します。

3

次元の特徴、

つまり多項式の次数、切片に合わせるかどうかを示すフラグ、および問題を正規化するかどうかを

示すフラグからなるグリッドを

scikit-learn

の

GridSearchCV

メタ推定器に与えます。

In[18]: from sklearn.model_selection import GridSearchCV

　

param_grid = {'polynomialfeatures__degree': ...