Modeling

機械学習モデルを構築し、学習させる。

root-5 70c5ebe 1.2 KB Updated

File contents

Modeling

概要

機械学習モデルを構築し、学習させる。

手順

  1. モデル選択: 問題設定(回帰、分類など)に適したアルゴリズムの選定 (LightGBM, XGBoost, CatBoost, NN, etc.)。
  2. データ分割: Train/Validation/Testへの分割。Time Series SplitやStratified K-Foldなど適切な戦略を選択。
  3. ハイパーパラメータチューニング: Optunaなどを用いたパラメータ探索。
  4. 学習: モデルのトレーニング (model.fit)。
  5. 保存: 学習済みモデルの保存。

使用ツール・ライブラリ

  • scikit-learn
  • lightgbm, xgboost, catboost
  • optuna

成果物の保存場所

  • 特徴エンジニアリング、学習、検証用ノートブック: project/src/03_main.ipynb
  • 特徴エンジニアリング用コード: project/src/modules/feature_engineering.py
  • 学習用コード: project/src/modules/train.py
  • 検証用コード: project/src/modules/validate.py
  • 学習済みモデル: project/data/model.pkl
  • 実験結果ログ: project/reports/experiment/[番号]-[アプローチの概要].md

root-5/agentic-ml-pipeline/tree/main/skills/modeling commit 70c5ebe7e4

Frequently asked questions

npx skillmds@latest add root-5/modeling