Tunny Icon
TunnyDocs

The next-gen Grasshopper optimization tool.

Ridge

概要

Ridge 感度は 数値パラメータだけに L2 正則化付き線形モデルを当てはめます。 Importance Chart は |β| で順位付けし、Sensitivity Heatmap は符号付き係数を表示します。 符号は増加・減少方向の線形寄与を示しますが、因果を意味しません。 強い非線形性や交互作用はこのモデルでは表現できません。

対応する入力とモデルの範囲

  • Optuna の Int/Float パラメータに対応します。 Optuna のカテゴリ選択肢は、数値に見えるラベルでも名義カテゴリです。
  • カテゴリは学習から除外し、チャート、ヒートマップ、CSV に Unsupported (categorical) と別表示します。 係数、スコア、棒、スコアを表す色付きセル、順位は与えません。重要度ゼロではありません。
  • 混在入力の R² (numerical-only) は数値のみのモデルを評価します。 除外したカテゴリ効果や、混在した全変数のモデルを評価する指標ではありません。
  • 全パラメータがカテゴリなら No supported numerical parameters と表示します。 Ridge モデルは学習せず、係数も Ridge R² も報告しません。
  • 数値欠測の処理では、含める数値特徴または目的値が非有限の行を サンプリング・分割前に除外します。数値欠測によってカテゴリ未対応になることはありません。

計算とフィット品質

学習データの列平均と標準偏差で数値行列 X を標準化し、y を中心化して解きます。

β=(XTX+αI)−1XTyc,α=1.0\beta = (X^T X + \alpha I)^{-1} X^T y_c,\qquad \alpha=1.0

重要度は |β_j| です。R² は固定シードの 80/20 ホールドアウト分割で、 学習データの統計量を使って評価します。非常に小さいデータでは全データを学習と評価の両方に使います。 負の R² はゼロに切り上げますが、符号付き係数は切り上げません。 数値行の並べ替えは固定シードの分割の割り当てを変え得るため、Ridge の結果は行順序に依存する場合があります。

数値のみの R² が低い原因には、非線形効果だけでなく除外したカテゴリ効果もあり得ます。 カテゴリが無関係だという証拠として読まないでください。

導出と数値の例は数値回帰の詳細理論を参照してください。 数値のみという入力制限は Ridge 感度に適用します。PDP・Sobol・その他の ワークフローでの Ridge サロゲート学習には適用しません。 他手法の符号化の制約は手法ガイドを参照してください。