↑: [[G検定に関する知識]] - ハイパーパラメータ最適化の最も基本的な手法 - 指定したパラメータ候補値の**すべての組み合わせを網羅的（しらみつぶし）**に試す - メリット：指定範囲に漏れがない - デメリット：パラメータ数が増えると組み合わせが指数関数的に爆発（[[次元の呪い]]） - 探索範囲は人間が手動で設定する（自動調整はベイズ最適化など） - [[ランダムサーチ]]と対比で覚える - ベイズ最適化との違い：ベイズ最適化は過去の試行結果から有望な候補を確率モデルで推定して探索する（網羅ではない） - 確実だが試す回数が多く時間がかかる - 少次元なら有効、高次元では[[ランダムサーチ]]の方が効率的 - cf. [[ランダムサーチ]], [[ハイパーパラメータ]]