MetaのAxでAIの調整を効率化

このチュートリアルでは、MetaのAxと最新のClient APIを使用して、適応的実験を探求します。予測精度とモデルのフットプリント（AIの大きさや計算量）のバランスを取りながら、合成分類データセットでRandomForestモデルを調整する完全なワークフローを順に進めます。まず、整数、浮動小数点数、対数スケール、カテゴリカルなパラメーターを含む混合探索空間を定義し、次にAxのask-tell最適化ループを使用して、制約付きBayesian optimization、multi-objective optimization、およびパラメーター制約付き実験を実行します。その過程で、収束を視覚化し、Pareto frontierを検査し、Axの組み込み分析ツールを使用し、将来の再利用のために実験を永続化します。 導入コード省略 Colab環境を準備し、Axとscikit-learnに必要なパッケージをインストールすることから始めます。最適化、機械学習、プロット、ロギング、再現性のためのコアライブラリをインポートします。また、ノートブックの出力をクリーンに保ち、実験結果に集中できるように、警告とAxのロギングを設定します。 データ準備コード省略