Recherche aléatoire sur grille
La méthode la plus courante pour ajuster les hyperparamètres est la recherche sur grille. Elle crée une grille d’essai avec des combinaisons uniques de valeurs d’hyperparamètres et utilise la validation croisée pour évaluer leurs performances. L’objectif de l’optimisation d’hyperparamètres est de trouver la combinaison optimale de valeurs afin de maximiser les performances du modèle.
Dans cet exercice, vous allez créer une grille aléatoire d’hyperparamètres et ajuster votre modèle d’arbre de décision sur les données de prêts.
Vos plis de validation croisée, loans_folds, l’objet workflow, loans_tune_wkfl, la fonction de métriques personnalisées, loans_metrics, et dt_tune_model ont été chargés dans votre session.
Cet exercice fait partie du cours
<cours>Modéliser avec tidymodels en R</cours>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