Začněte nyníZačněte zdarma

Příprava ladění

Správná příprava je základem úspěšného ladění. Skládá se ze dvou hlavních kroků: označení hyperparametrů pomocí tune() ve specifikaci modelu a vytvoření mřížky hyperparametrů, která se při ladění použije.

V tomto cvičení si tyto dva základní kroky procesu ladění vyzkoušíš.

Toto cvičení je součástí kurzu

Machine Learning with Tree-Based Models in R

Zobrazit kurz

Pokyny k cvičení

  • Vytvoř specifikaci boostingu s enginem "xgboost" pro klasifikační model s 500 stromy a označ následující parametry jako ladicí: learn_rate, tree_depth a sample_size. Výsledek ulož jako boost_spec.
  • Sestav pravidelnou ladicí mřížku pro parametry ladění objektu boost_spec se třemi úrovněmi pro každý parametr.

Interaktivní cvičení na vyzkoušení si v praxi

Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.

# Create the specification with placeholders
boost_spec <- boost_tree(
                trees = ___,
                ___,
                ___,
                ___) %>%
  set_mode(___) %>%
  set_engine(___)

# Create the tuning grid
tunegrid_boost <- ___(___, 
                      levels = ___)

tunegrid_boost
Upravit a spustit kód