Recherche aléatoire sur grille
La méthode la plus courante pour l'ajustement des hyperparamètres est la recherche sur grille. Cette approche crée une grille d'essai avec des combinaisons uniques de valeurs d'hyperparamètres et utilise la validation croisée pour évaluer leur performance. L'objectif de l'ajustement des hyperparamètres est de trouver la combinaison optimale de valeurs pour maximiser la performance du modèle.
Dans cet exercice, vous allez créer une grille aléatoire d'hyperparamètres et ajuster votre modèle d'arbre de décision pour les données de prêts.
Vos plis de validation croisée, loans_folds, l'objet workflow, loans_tune_wkfl, la fonction de mesures personnalisées, loans_metrics, et dt_tune_model ont été chargés dans votre session.
Cette activité fait partie du cours
Modélisation avec tidymodels en R
Exercice interactif pratique
Essayez cet exercice en complétant ce code d’exemple.
# Hyperparameter tuning with grid search
set.seed(214)
dt_grid <- ___(___(___),
size = ___)
dt_grid