問題 No.513
機械学習のハイパーパラメータ調整において、目的関数が未知で計算コストが高い場合に、過去の試行結果を基に「次に試すべき点」を効率的に探索する手法はどれか。
【正解の解説】
ベイズ最適化
ベイズ最適化は、過去の失敗と成功から「次はここを試せば良さそうだ」と賢く予測して、少ない回数で最適な設定を見つける手法です。
スポンサーリンク
【その他の選択肢の解説】
グリッドサーチ
グリッドサーチは、決められた設定値を全てしらみつぶしに試す手法で、計算コストが高い場合は非常に時間がかかります。
ランダムサーチ
ランダムサーチは、設定値をランダムに選んで試す手法で、グリッドサーチよりも効率が良くなることがあります。
勾配降下法
勾配降下法は、答えの誤差を減らす方向へ少しずつパラメータを調整する、モデルの中身を最適化するための基本的な方法です。