EmpezarEmpieza gratis

Búsqueda aleatoria con h2o

Ahora usarás búsqueda aleatoria. La librería h2o y seeds_train_data ya se han cargado por ti y se ha ejecutado el siguiente código:

h2o.init()
seeds_train_data_hf <- as.h2o(seeds_train_data)

y <- "seed_type"
x <- setdiff(colnames(seeds_train_data_hf), y)

seeds_train_data_hf[, y] <- as.factor(seeds_train_data_hf[, y])

sframe <- h2o.splitFrame(seeds_train_data_hf, seed = 42)
train <- sframe[[1]]
valid <- sframe[[2]]

dl_params <- list(hidden = list(c(50, 50), c(100, 100)),
                  epochs = c(5, 10, 15),
                  rate = c(0.001, 0.005, 0.01))

Este ejercicio forma parte del curso

Ajuste de hiperparámetros en R

Ver curso

Instrucciones del ejercicio

  • Define un objeto de criterios de búsqueda que establezca búsqueda aleatoria con un tiempo máximo de ejecución de 10 segundos.
  • Añade este objeto de criterios de búsqueda en el lugar apropiado de la función h2o.grid para entrenar los modelos aleatorios.

ejercicio interactivo práctico

Prueba este ejercicio completando este código de ejemplo.

# Define search criteria
search_criteria <- list(strategy = ___, 
                        ___ = 10, # this is way too short & only used to keep runtime short!
                        seed = 42)

# Train with random search
dl_grid <- h2o.grid("deeplearning", 
                    grid_id = "dl_grid",
                    x = x, 
                    y = y,
                    training_frame = train,
                    validation_frame = valid,
                    seed = 42,
                    hyper_params = dl_params,
                    ___ = ___)
Editar y ejecutar código