グリッドサーチとは、機械学習モデルの性能を最大化するために、あらかじめ指定したハイパーパラメータの候補値を格子状に組み合わせて全通り検証する手法です。すべての組み合わせを網羅的に試すため、指定した範囲内での最適な設定を確実に発見できる利点がありますが、設定項目や候補値が増えると計算量が急増する課題もあります。
グリッドサーチとは
グリッドサーチは、機械学習モデルの精度を向上させるためのハイパーパラメータ調整手法の一種であり、候補となる複数の設定値を格子（グリッド）のように組み合わせてすべてのパターンを順番に評価する探査アルゴリズムです。
詳しく解説
機械学習において、モデルの学習前に人間が設定する必要がある調整変数をハイパーパラメータと呼びます。グリッドサーチでは、ユーザーが各パラメータに対して探査したい候補値のリストを事前に定義します。システムはそれらの組み合わせを一つずつ実行し、検証データに対する評価スコアを比較することで、最も高い性能を発揮する組み合わせを選出します。実装が容易で結果の再現性が高いことが大きな特徴であり、探索範囲の設定が妥当であれば最適な解を見つけ出すことができます。
具体例・使われ方
例えば、サポートベクターマシンという機械学習モデルを構築する際、コストパラメータの候補を3種類、カーネル係数の候補を2種類指定した場合、グリッドサーチを実行すると3×2で計6通りの組み合わせすべてでモデルの学習と評価が行われ、最も精度が高かった組み合わせが自動的に選ばれます。
似た用語との違い
グリッドサーチとよく比較される手法としてランダムサーチがあります。ランダムサーチは指定された範囲内からランダムに値をサンプリングして評価するため、組み合わせ数が膨大な場合にグリッドサーチよりも短い時間で良好な設定を見つけやすい特徴があります。また、過去の試行結果をもとに次に試すべき値を効率的に推測するベイズ最適化などの手法とも使い分けられます。
注意点
探索するパラメータの数や候補値が増えると、検証すべき組み合わせの数が乗数的に増加し、計算時間が爆発的に増大する限界が存在します。また、あらかじめ指定した候補値の範囲外にある最適な設定は発見できないため、事前に適切な探索範囲を設定しておく必要があります。