plot_param_importances

optuna.visualization.matplotlib.plot_param_importances(study, evaluator=None, params=None, *, target=None, target_name='Objective Value')

Matplotlibを使用してハイパーパラメータの重要度をプロットします。

See also

使用例については optuna.visualization.plot_param_importances() を参照してください。

Parameters:

• study (Study) – 最適化済みスタディオブジェクト

• evaluator (BaseImportanceEvaluator | None) – 重要度評価に使用するアルゴリズムを指定する評価器オブジェクト。 デフォルトでは FanovaImportanceEvaluator が使用されます。

• params (list[str] | None) – 評価対象のパラメータ名のリスト。 None の場合、完了した全トライアルに存在するすべてのパラメータが評価対象となります。

• target (Callable[[FrozenTrial], float] | None) –

  表示する値を指定する関数。None で study が単一目的最適化に使用されている場合、 目的値がプロットされます。多目的最適化の場合、target が None のときはすべての目的値がプロットされます。

  Note

  この引数は、study が多目的最適化に使用されている場合に、どの目的値をプロットするかを指定するために使用できます。 例えば、最初の目的のハイパーパラメータ重要度のみを取得するには、target=lambda t: t.values[0] を使用します。

• target_name (str) – 軸ラベルに表示する目的値の名前。target が None の場合、 set_metric_names() で設定された名前が使用され、この引数を上書きします。

Returns:

matplotlib.axes.Axes オブジェクト

Return type:

Axes

Note

v2.2.0 で実験的機能として追加されました。インターフェースは予告なく変更される可能性があります。 詳細は https://github.com/optuna/optuna/releases/tag/v2.2.0 を参照してください。

The following code snippet shows how to plot hyperparameter importances.

/mnt/nfs-mnj-hot-99-home/mshibata/sandbox/optuna-documentation-plamo-ja/optuna-doc-plamo-translation/tmp-optuna/docs/visualization_matplotlib_examples/optuna.visualization.matplotlib.param_importances.py:26: ExperimentalWarning:

plot_param_importances is experimental (supported from v2.2.0). The interface can change in the future.


<Axes: title={'left': 'Hyperparameter Importances'}, xlabel='Hyperparameter Importance', ylabel='Hyperparameter'>

import optuna


def objective(trial):
    x = trial.suggest_int("x", 0, 2)
    y = trial.suggest_float("y", -1.0, 1.0)
    z = trial.suggest_float("z", 0.0, 1.5)
    return x**2 + y**3 - z**4


sampler = optuna.samplers.RandomSampler(seed=10)
study = optuna.create_study(sampler=sampler)
study.optimize(objective, n_trials=100)

optuna.visualization.matplotlib.plot_param_importances(study)