CommencezCommencez gratuitement

Ajuster les hyperparamètres manuellement

Si vous savez déjà quelles valeurs d'hyperparamètres vous souhaitez définir, vous pouvez aussi définir manuellement les hyperparamètres sous forme de grille. Exécutez modelLookup("gbm") ou cherchez gbm dans la liste des modèles offerts dans caret et consultez la section Tuning Parameters.

Remarque : Comme précédemment, bc_train_data et les bibliothèques caret et tictoc ont été préchargés.

Cette activité fait partie du cours

Ajustement d'hyperparamètres en R

Voir le cours

Instructions de l’exercice

  • Définissez la grille d'hyperparamètres suivante pour un Gradient Boosting Model : le nombre d'arbres à 200 ; la complexité de l'arbre à 1 ; le taux d'apprentissage à 0,1 ; et le nombre minimal d'exemples du jeu d'entraînement dans un nœud pour démarrer une division à 10.
  • Appliquez la grille à la fonction train() de caret.

Exercice interactif pratique

Essayez cet exercice en complétant ce code d’exemple.

# Define hyperparameter grid.
hyperparams <- expand.grid(___ = 200, 
                           ___ = 1, 
                           ___ = 0.1, 
                           ___ = 10)

# Apply hyperparameter grid to train().
set.seed(42)
gbm_model <- train(diagnosis ~ ., 
                   data = bc_train_data, 
                   method = "gbm", 
                   trControl = trainControl(method = "repeatedcv", number = 5, repeats = 3),
                   verbose = FALSE,
                   ___ = hyperparams)
Modifier et exécuter le code