हाइपरपैरामीटर्स को मैन्युअली ट्यून करें
यदि आप पहले से जानते हैं कि किन हाइपरपैरामीटर वैल्यूज़ को सेट करना है, तो आप हाइपरपैरामीटर्स को मैन्युअली एक ग्रिड के रूप में भी परिभाषित कर सकते हैं। modelLookup("gbm") पर जाएँ या caret में उपलब्ध मॉडलों की सूची में gbm खोजें और Tuning Parameters सेक्शन देखें.
नोट: पहले की तरह, bc_train_data और लाइब्रेरीज़ caret तथा tictoc पहले से लोड की गई हैं.
यह अभ्यास पाठ्यक्रम का हिस्सा है
R में Hyperparameter Tuning
अभ्यास निर्देश
- Gradient Boosting Model के लिए निम्न हाइपरपैरामीटर ग्रिड परिभाषित करें: पेड़ों की संख्या 200; ट्री की जटिलता 1; लर्निंग रेट 0.1; और किसी नोड में स्प्लिट शुरू करने के लिए प्रशिक्षण सेट सैंपल्स की न्यूनतम संख्या 10.
- इस ग्रिड को
caretकीtrain()फंक्शन पर लागू करें.
इंटरैक्टिव व्यावहारिक अभ्यास
इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।
# 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)