rodrigo-arenas/Sklearn-genetic-opt

何を解決するか

GridSearchCV と RandomizedSearchCV に対するより知的な代替手段を提供します。多くのハイパーパラメータを探索すると「組み合わせ的爆発」が発生し、処理が極めて遅くなる問題に対処し、単一パラメータごとの探索では見落とされがちな最適なパラメータの相互作用（例：学習率と推定器数の連携関係）を捉えることができます。

動作方法

このツールキットは、パラメータ設定の集団を進化させる遺伝的アルゴリズムを使用します。固定グリッドやランダムな点をチェックするのではなく、完全な設定を評価し、交差と突然変異の適応的スケジュールを用いて探索から活用へとシフトします。GASearchCV はハイパーパラメータチューニング用、GAFeatureSelectionCV はラッパー型特徴選択用に設計されており、いずれも標準的な scikit-learn API と互換性があり、簡単に置き換え可能です。

対象ユーザー

訓練コストが高いモデルを扱う機械学習実務者、5つ以上の相互作用するハイパーパラメータを持つ探索空間（例：勾配ブースティングやSVM）を持つユーザー、または特徴選択とチューニングを再現可能なワークフローで組み合わせたいユーザーに最適です。

特徴

• scikit-learn互換性: GridSearchCV と同様の fit/predict インターフェースを採用し、簡単に統合可能。
• 混合探索空間: 整数、連続値（一様または対数一様）、カテゴリカル型を同時にサポート。
• スマート初期化: ラテン超立方体の初期化とウォームスタート設定により、初期集団の品質を向上。
• 早期停止: ConsecutiveStopping や TimerStopping などのコールバックにより、収束時や時間制限に達した時点で探索を終了。
• 実験追跡: 内蔵の MLflow 統合とフィットネス曲線、パラメータ相互作用の可視化ツールを提供。