optuna.pruners.NopPruner

class optuna.pruners.NopPruner

トライアルを決してプルーニングしないプルーナー。

使用例

import numpy as np
from sklearn.datasets import load_iris
from sklearn.linear_model import SGDClassifier
from sklearn.model_selection import train_test_split

import optuna

X, y = load_iris(return_X_y=True)
X_train, X_valid, y_train, y_valid = train_test_split(X, y)
classes = np.unique(y)


def objective(trial):
    alpha = trial.suggest_float("alpha", 0.0, 1.0)
    clf = SGDClassifier(alpha=alpha)
    n_train_iter = 100

    for step in range(n_train_iter):
        clf.partial_fit(X_train, y_train, classes=classes)

        intermediate_value = clf.score(X_valid, y_valid)
        trial.report(intermediate_value, step)

        if trial.should_prune():
            assert False, "このプルーナーでは should_prune() は常に False を返すべきです。"
            raise optuna.TrialPruned()

    return clf.score(X_valid, y_valid)


study = optuna.create_study(direction="maximize", pruner=optuna.pruners.NopPruner())
study.optimize(objective, n_trials=20)

メソッド

prune(study, trial)

Judge whether the trial should be pruned based on the reported values.

prune(study, trial)

報告された値に基づいて、トライアルをプルーニングすべきかどうかを判定します。

このメソッドはライブラリの利用者が直接呼び出すことを想定していません。代わりに、 optuna.trial.Trial.report() と optuna.trial.Trial.should_prune() が 目的関数内でプルーニング機構を実装するためのインターフェースを提供します。

Parameters:

• study (Study) – 対象のスタディオブジェクト。

• trial (FrozenTrial) – 対象のトライアルオブジェクト（凍結済み）。 このオブジェクトを変更する前にコピーを作成してください。

Returns:

トライアルをプルーニングすべきかどうかを表すブール値。

Return type:

bool