③ ディープラーニングの概要 ／ 16. 最適化手法
グリッドサーチとは
グリッドサーチとは、あらかじめ定めたハイパーパラメータの候補を格子状にすべて試し、最適な組み合わせを探索する手法です。計算コストが高く、次元が増えると非効率になりやすい点が弱点です。
この用語はG検定シラバスの「16. 最適化手法」に含まれます。 章全体の用語は用語解説③（全52語）にまとまっています。
一言でいうと
候補の値をすべての組み合わせで試して、最も良かったものを選ぶ方法です。
しらみつぶしに試す
たとえば学習率を3通り、バッチサイズを4通り試すなら、3 × 4 ＝ 12通りすべてを学習させて比較します。
網羅的なので、設定した候補の中では確実に最良が見つかります。これが最大の利点です。
組み合わせ爆発
調整したい項目が増えると、組み合わせ数は掛け算で急増します。4項目それぞれ5通りなら625通りです。1回の学習に時間がかかる深層学習では現実的ではありません。
そこでランダムサーチが用いられます。高次元ではランダムサーチのほうが効率的とされる点はG検定対策の重要ポイントです。
刻み方の工夫
学習率のように桁が大きく違いうる値は、0.1・0.2・0.3…と等間隔に刻んでも意味がありません。
0.1・0.01・0.001のように対数スケールで刻むのが定石です。刻み方の設計しだいで探索の効率が大きく変わります。
混同しやすい用語との違い
| 用語 | ポイント |
|---|---|
| グリッドサーチ | 候補を格子状に全て試す。網羅的だが高コスト |
| ランダムサーチ | ランダムに値を選んで試す。高次元で効率的 |
🎯 G検定での押さえどころ
- 候補の全組み合わせを試す
- 候補内では確実に最良が見つかる
- 次元が増えると非効率（ランダムサーチが有利）
⚠️ よくある誤りの選択肢
- 「グリッドサーチは高次元でもランダムサーチより効率的である」→ 誤り。高次元ではランダムサーチが有利です
📘 もっと深く学ぶ
- 数式レベルまで踏み込んだ解説 → 医療AIナビ「ハイパーパラメータの選択」（E資格向け）
関連する用語
ご利用にあたって 本ページの内容は、JDLAが公開しているG検定シラバス2024や公式テキストなど、一般に公開されている情報をもとに独自に整理・解説したものです。実際の試験の出題内容を示すものではなく、また合格を保証するものでもありません。制度・法令・試験要項は変更されることがあるため、最新の情報は必ずJDLA公式サイトでご確認ください。