CommencezCommencez gratuitement

Évaluer les résultats de l'ajustement d'hyperparamètres

Ici, vous allez évaluer les résultats d'une exécution d'ajustement d'hyperparamètres pour un arbre de décision entraîné avec le plugiciel rpart. Le jeu de données knowledge_train_data a déjà été chargé pour vous, tout comme les plugiciels mlr et tidyverse. Le code suivant a aussi été exécuté :

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)

Cette activité fait partie du cours

Ajustement d'hyperparamètres en R

Voir le cours

Exercice interactif pratique

Essayez cet exercice en complétant ce code d’exemple.

# Create holdout sampling
holdout <- makeResampleDesc(___)

# Perform tuning
lrn_tune <- tuneParams(learner = lrn, task = task, resampling = holdout, control = ctrl_random, par.set = param_set)
Modifier et exécuter le code