Hyperparameter-Tuning mit mlr durchführen

Jetzt kannst du die vorbereiteten Funktionen und Objekte aus der vorherigen Übung kombinieren, um tatsächlich ein Hyperparameter-Tuning mit Random Search durchzuführen. Der Datensatz knowledge_train_data wurde bereits für dich geladen, ebenso die Pakete mlr, tidyverse und tictoc. Außerdem wurde der folgende Code schon ausgeführt:

# Aufgabe definieren
task <- makeClassifTask(data = knowledge_train_data, 
                        target = "UNS")

# Learner definieren
lrn <- makeLearner("classif.nnet", predict.type = "prob", fix.factors.prediction = TRUE)

# Parametersatz definieren
param_set <- makeParamSet(
  makeDiscreteParam("size", values = c(2,3,5)),
  makeNumericParam("decay", lower = 0.0001, upper = 0.1)
)