Home › Roadmap › Model Evaluation › Part 5

Hyperparameter Tuning GridSearch

📘 সেরা প্যারামিটার খোঁজা।

🌐 Search for the best hyperparameters.

📏 মডেল মূল্যায়ন ও টিউনিং🎚 Advanced📍 Part 5 / 6🧩 3 সাব-টপিক

📏

ধারণা · Concept

কী এবং কেন

📘 বাংলা ব্যাখ্যা:
সেরা প্যারামিটার খোঁজা।

🌐 English:
Search for the best hyperparameters.

🗂 কোথায় পড়ে

৩. মেশিন লার্নিং → মডেল মূল্যায়ন ও টিউনিং → Hyperparameter Tuning GridSearch

🎯 এই শাখার লক্ষ্য

Pick metrics, tune hyperparameters, explain predictions

🧰 টুলস

scikit-learn, SHAP

🪜

ধাপে ধাপে শিখুন · Step-by-step

কেন শিখবেন → কীভাবে শিখবেন → উদাহরণ → সাধারণ ভুল

💡 কেন গুরুত্বপূর্ণ?

ডিফল্ট সেটিংসের চেয়ে ভালো মডেল পেতে পদ্ধতিগত খোঁজ।

ধাপ 1
হাইপারপ্যারামিটার (max_depth, C) বনাম প্যারামিটার (শেখা ওজন) আলাদা করুন
ধাপ 2
GridSearchCV: ছোট গ্রিডের সব সমন্বয়
ধাপ 3
RandomizedSearchCV: বড় স্পেসে দ্রুত; Optuna: বুদ্ধিমান (বেইজিয়ান) খোঁজ
ধাপ 4
সেরা মডেল টেস্ট সেটে একবার মূল্যায়ন; nested CV দিয়ে নিরপেক্ষ অনুমান

🧪 বাস্তব উদাহরণ

GridSearchCV(RandomForest(), {"max_depth":[5,10,None], "n_estimators":[100,300]}, cv=5, scoring="f1")।

⚠️ সাধারণ ভুল

টেস্ট সেটে টিউনিং।

🔑 মূল শব্দ (Key terms)

hyperparameterGridSearchCVRandomizedSearchCVOptunanested CV

সাব-টপিক ও বিস্তারিত · Sub-topics

টপিক → সাব-টপিক → সাব-সাব টপিক

5.1 GridSearchCV5.1.1 সব সমন্বয়

5.2 RandomizedSearchCV5.2.1 এলোমেলো নমুনা

5.3 Optuna5.3.1 বেইজিয়ান অপ্টিমাইজেশন

🎬

ভিডিও · Videos (বাংলা ও English)

ক্লিক করলে সাইটের ভেতরেই ফ্লোটিং প্লেয়ারে চলবে · ভিডিও MySQL-এ সংরক্ষিত

📺 আরও খুঁজুন

🇧🇩 Bangla model evaluation ↗
🌐 StatQuest ↗Krish Naik ↗

💻

হাতে-কলমে · Try it (Model Evaluation)

এডিট করে Run চাপুন · Ctrl+Enter

from sklearn.datasets import load_breast_cancer
from sklearn.model_selection import train_test_split, GridSearchCV
from sklearn.ensemble import RandomForestClassifier
from sklearn.metrics import classification_report, roc_auc_score, confusion_matrix
X,y=load_breast_cancer(return_X_y=True); Xtr,Xte,ytr,yte=train_test_split(X,y,random_state=0)
g=GridSearchCV(RandomForestClassifier(random_state=0),{"n_estimators":[50,100],"max_depth":[3,None]},cv=3).fit(Xtr,ytr)
p=g.predict(Xte); print("Best:",g.best_params_); print(confusion_matrix(yte,p))
print(classification_report(yte,p)); print("ROC-AUC:",round(roc_auc_score(yte,g.predict_proba(Xte)[:,1]),3))

❓

সেল্ফ-চেক · Self check

1. “সব সমন্বয়” — এটি কোন সাব-টপিকের বর্ণনা?

2. “এলোমেলো নমুনা” — এটি কোন সাব-টপিকের বর্ণনা?

3. “বেইজিয়ান অপ্টিমাইজেশন” — এটি কোন সাব-টপিকের বর্ণনা?

🔗

সংযুক্ত কনসেপ্ট · Connected concepts