Grid search s h2o
Teď, když jsi úspěšně natrénoval/a model Random Forest s h2o, můžeš stejné principy použít i pro trénování dalších algoritmů, například Deep Learning. V tomto cvičení aplikuješ grid search pro ladění modelu.
Pamatuj, že modely gradient boosting používají hyperparametr learn_rate, zatímco modely deep learning pracují s hyperparametrem rate.
Knihovna h2o je již načtena a inicializována.
Toto cvičení je součástí kurzu
Hyperparameter Tuning in R
Interaktivní cvičení na vyzkoušení si v praxi
Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.
# Define hyperparameters
dl_params <- ___(___ = c(0.001, 0.005, 0.01))