Zufällige Grid-Suche
Die gebräuchlichste Methode zum Abstimmen von Hyperparametern ist die Grid-Suche. Dabei wird ein Tuning-Grid mit eindeutigen Kombinationen von Hyperparameterwerten erstellt und mittels Cross-Validation deren Leistung bewertet. Ziel des Hyperparameter-Tunings ist es, die optimale Kombination von Werten zu finden, um die Modellleistung zu maximieren.
In dieser Übung erstellst du ein zufälliges Hyperparameter-Grid und stimmst dein Entscheidungsbaum-Modell für die Kredite-Daten ab.
Deine Cross-Validation-Folds loans_folds, das workflow-Objekt loans_tune_wkfl, die benutzerdefinierte Metrikfunktion loans_metrics und dt_tune_model wurden in deine Session geladen.
Diese Übung ist Teil des Kurses
Modellierung mit tidymodels in R
Interaktive Übung
Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.
# Hyperparameter tuning with grid search
set.seed(214)
dt_grid <- ___(___(___),
size = ___)
dt_grid