Choisir le gagnant
Une fois l'ajustement terminé, il est temps de choisir les hyperparamètres optimaux à partir des résultats et de construire le modèle final. Deux fonctions utilitaires de tidymodels sont très pratiques :
La fonction select_best() extrait les hyperparamètres optimaux d'un tibble de résultats d'ajustement, et finalize_model() intègre ces résultats dans la spécification en remplaçant les paramètres en attente.
À vous de jouer avec les résultats du dernier exercice ! Les objets tune_spec, tune_results et customers sont toujours chargés.
Cette activité fait partie du cours
Machine Learning avec des modèles arborescents en R
Exercice interactif pratique
Essayez cet exercice en complétant ce code d’exemple.
# Select the parameters that perform best
final_params <- ___
final_params