LoslegenKostenlos loslegen

Auswertung von Hyperparameter-Tuning-Ergebnissen

Hier wirst du die Ergebnisse eines Hyperparameter-Tuning-Laufs für einen Entscheidungsbaum aus dem Paket rpart auswerten. Der Datensatz knowledge_train_data ist bereits für dich geladen, ebenso die Pakete mlr und tidyverse. Außerdem wurde der folgende Code schon ausgeführt:

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

lrn <- makeLearner(cl = "classif.rpart", fix.factors.prediction = TRUE)

param_set <- makeParamSet(
  makeIntegerParam("minsplit", lower = 1, upper = 30),
  makeIntegerParam("minbucket", lower = 1, upper = 30),
  makeIntegerParam("maxdepth", lower = 3, upper = 10)
)

ctrl_random <- makeTuneControlRandom(maxit = 10)

Diese Übung ist Teil des Kurses

Hyperparameter-Tuning in R

Kurs anzeigen

Interaktive Übung

Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.

# Create holdout sampling
holdout <- makeResampleDesc(___)

# Perform tuning
lrn_tune <- tuneParams(learner = lrn, task = task, resampling = holdout, control = ctrl_random, par.set = param_set)
Code bearbeiten und ausführen