【Python】機械学習のパイプラインを用いてグリッドサーチを実施する方法を解説

今回は、機械学習のパイプラインを用いてグリッドサーチを実施する方法を解説します。

グリッドサーチとパイプラインそれぞれについて簡単に解説したあとに、お互いを組み合わせる方法を紹介します。

また、Pythonを使用してグリッドサーチとパイプラインを組み合わせて実装する方法も紹介します。

動画で詳しく学習したい方はこちらもおすすめ

グリッドサーチとは

グリッドサーチ(Grid Search)は、最適なハイパーパラメータを見つけるための手法です。

複数のハイパーパラメータの組み合わせを網羅的に探索します。

すべての組み合わせを試行し、最も評価の良いパラメータを見つけます。

グリッドサーチの実装方法

グリッドサーチの実装方法を簡単に紹介します。

sklearnのmodel_slectionモジュールを使用します。

GridSearchCVのパラメータの説明は以下の通りです。

パイプラインとは

機械学習におけるパイプラインは、データ収集からモデルのチューニングまでの一連の流れを自動化するプロセスのことをいいます。

これにより、機械学習プロセスの簡略化や再現性の向上が見込まれます。

パイプラインの実装方法

パイプラインの実装方法を簡単に紹介します。

Pythonでパイプラインを実装する方法は以下の通りです。

Pipelineのパラメータの説明は以下の通りです。

パイプラインを用いたグリッドサーチ

パイプラインとグリッドサーチを組み合わせることで、前処理とハイパーパラメータのチューニングが同時に行えます。

通常のグリッドサーチでは、ハイパーパラメータのチューニングしか行いません。

パイプラインを用いることで、標準化などの前処理した結果を使用して、ハイパーパラメータをチューニングできます。

Python実践 パイプラインを用いたグリッドサーチ

それでは、Pythonを使用しパイプラインを用いたグリッドサーチを実装してみましょう！

以下方法で、パイプラインとグリットサーチを組み合わせて実装します。

GridSearchCV の引数stepsにPipeline で作成したパイプラインを指定します。

サンプルコードは以下の通りです。

Pipeline を使ってデータの前処理（標準化）と SVM の分類を行い、GridSearchCV で最適なパラメータを探索します。

from sklearn.pipeline import Pipeline
from sklearn.preprocessing import StandardScaler
from sklearn.linear_model import LogisticRegression
from sklearn.svm import SVC
from sklearn.datasets import load_iris
from sklearn.model_selection import GridSearchCV
from sklearn.model_selection import train_test_split

# データの読み込み
iris = load_iris()
X, y = iris.data, iris.target
X_train, X_test, y_train, y_test = train_test_split(iris.data, iris.target, test_size=0.2, random_state=42)

pipeline = Pipeline([
    ('scaler', StandardScaler()),
    ('svm', SVC())
])

param_grid = {
    'svm__C': [0.1, 1, 10],
    'svm__kernel': ['linear', 'rbf'],
    'svm__gamma': ['scale', 'auto']
}

grid_search = GridSearchCV(pipeline, param_grid, cv=5, scoring='accuracy')
grid_search.fit(X_train, y_train)

print("Best parameters:", grid_search.best_params_)
print("Best score:", grid_search.best_score_)

実行結果

Best parameters: {'svm__C': 0.1, 'svm__gamma': 'scale', 'svm__kernel': 'linear'}
Best score: 0.9583333333333334

まとめ

機械学習のパイプラインを用いてグリッドサーチを実施する方法を紹介しました。

パイプラインとグリッドサーチを組み合わせることで、前処理とハイパーパラメータのチューニングが同時に行えます。

Pythonで実装する方法は以下の通りです。

ここまで読んでくださりありがとうございます。