Recherche en grille avec h2o
Maintenant que vous avez entraîné avec succès un modèle de Random Forest avec h2o, vous pouvez appliquer les mêmes concepts à tous les autres algorithmes, comme le Deep Learning. Dans cet exercice, vous allez appliquer une recherche en grille pour régler un modèle.
Rappelez-vous que les modèles de gradient boosting utilisent l'hyperparamètre learn_rate, tandis que les modèles de deep learning utilisent l'hyperparamètre rate.
La bibliothèque h2o a déjà été chargée et initialisée pour vous.
Cette activité fait partie du cours
Ajustement d'hyperparamètres en R
Exercice interactif pratique
Essayez cet exercice en complétant ce code d’exemple.
# Define hyperparameters
dl_params <- ___(___ = c(0.001, 0.005, 0.01))