h2o के साथ ग्रिड सर्च
अब जब आपने h2o के साथ एक Random Forest मॉडल सफलतापूर्वक ट्रेन कर लिया है, तो आप वही सिद्धांत बाकी एल्गोरिदम, जैसे Deep Learning, पर भी लागू कर सकते हैं. इस अभ्यास में, आप मॉडल को ट्यून करने के लिए ग्रिड सर्च लागू करेंगे.
याद रखें कि gradient boosting मॉडलों में learn_rate हाइपरपैरामीटर होता है, जबकि deep learning मॉडलों में rate हाइपरपैरामीटर होता है.
h2o लाइब्रेरी आपके लिए पहले से लोड और इनिशियलाइज़ कर दी गई है.
यह अभ्यास पाठ्यक्रम का हिस्सा है
R में Hyperparameter Tuning
इंटरैक्टिव व्यावहारिक अभ्यास
इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।
# Define hyperparameters
dl_params <- ___(___ = c(0.001, 0.005, 0.01))