Erzeuge ein Tuning-Grid
Die Standard-Hyperparameter der meisten Modelle passen für viele Datensätze ganz gut. Für die beste Performance brauchen sie jedoch Feinschliff. Sonst ist es, als würdest du mit angezogener Handbremse fahren. Löse die Bremse und tune deine Modelle!
In dieser Übung erstellst du zwei Objekte als Ausgangspunkt: ein Tuning-Grid (eine Menge von Hyperparameter-Kombinationen) und eine Modellspezifikation, die du später mit jedem Wert aus dem Grid trainierst.
Diese Übung ist Teil des Kurses
<Kurs>Maschinelles Lernen mit baumbasierten Modellen in R</Kurs>Interaktive praktische Übung
Versuche dich an dieser Übung, indem du diesen Beispielcode vervollständigst.
# Create a specification with tuning placeholders
tune_spec <- decision_tree(___ = ___,
___ = ___) %>%
# Specify mode
___ %>%
# Specify engine
___
print(tune_spec)