optuna.importance.FanovaImportanceEvaluator

class optuna.importance.FanovaImportanceEvaluator(*, n_trees=64, max_depth=64, seed=None)[source]

fANOVA 重要度評価器

An Efficient Approach for Assessing Hyperparameter Importance で提案された fANOVA アルゴリズムを実装しています。

fANOVA は、パラメータ設定から COMPLETE トライアルの目的値を予測するランダムフォレスト回帰モデルを構築します。このモデルの予測精度が高いほど、本クラスが算出する重要度の信頼性も向上します。

Note

本クラスは 1000 トライアル以上のスタディに対して 1 分以上の処理時間を要します。より高速な実装として optuna-fast-fanova ライブラリを公開しています。これを使用することで、数秒以内に重要度を算出できます。

Note

本アルゴリズムの実行には scikit-learn パッケージが必要です。

Note

fANOVA の性能は基礎となるランダムフォレストモデルの予測精度に依存します。高精度な予測を得るためには、ハイパーパラメータ探索空間を広くカバーする必要があります。 RandomSampler などの探索指向サンプラーの使用を推奨します。

Note

原論文の引用方法については、 https://automl.github.io/fanova/cite.html を参照してください。

Parameters:

n_trees (int) – フォレスト内の決定木の数
max_depth (int) – 決定木の最大深さ
seed (int | None) – フォレストのランダム性を制御します。決定論的な動作が必要な場合は、 None 以外の値を指定してください。

メソッド

evaluate(study[, params, target])

Evaluate parameter importances based on completed trials in the given study.

evaluate(study, params=None, *, target=None)[source]

指定されたスタディの完了済みトライアルに基づいてパラメータ重要度を評価します。

Note

このメソッドはライブラリ利用者が直接呼び出すことを想定していません。