ruudukkoetsintää

Ruudukkoetsintä (grid search) on yksinkertainen ja deterministinen menetelmä hyperparametrien optimointiin, jossa tutkitaan ennalta määritellyn parametriteeman yhdistelmien kokonaisuus. Menetelmä soveltuu erityisesti kun halutaan systemaattisesti kartoittaa, miten eri arvojen vaikutus mallin suorituskykyyn ilmenee, ja kun parametrit ovat pääosin diskreettejä tai kun jatkuvat arvot on järkevästi jaettava rajoitettuun joukkoon.

Toimintaperiaate koostuu kolmesta vaiheesta: määritellään parametritehdet (joukko arvoja kullekin hyperparametrille), luodaan näiden arvojen kertolaskuinen grid ja opetetaan/testi-mallin suoritus kullekin riville käyttäen soveltuvaa arviointia (esim. ristivahvistus tai hold-out -testijoukko). Tuloksena on suorituskykymetriikka, jonka perusteella parhaiten menestyvä parametriyhdistelmä valitaan. Menetelmää voidaan suorittaa rinnakkain useilla koneilla ja toistaa täsmällisesti.

Etuja ovat yksinkertaisuus, toistettavuus ja ilman mallin sisäisiä oletuksia toimiva lähestymistapa; se on myös helppo integroida olemassa oleviin koneoppimistyökaluihin. Rajoitteita ovat suurikokoisten tai monimutkaisten parametritehtaiden kasvava laskennallinen kustannus sekä mahdollisuus jäädä paikalleen suboptimaalisesti, jos grid on liian tiivis tai oikean alueen tarkka löytäminen vaatisi hienosäätöä. Yleissääntöinä käytetään usein koepohjaista lähestymistapaa, jossa ensin määritellään karkea grid ja mahdollisesti tarkennetaan se paikallisesta optimaalisesta alueesta käsin.

Käytön kohteita ovat erityisesti koneoppimismallien hyperparametrien optimointi sekä simulaatio- tai algoritmisen konfiguraation tarkentaminen. Esimerkkejä työkaluista ovat kirjastoihin sisältyvät ruudukkoetsintäominaisuudet ja niiden rinnakkaiskäyttö.