Grid search dengan h2o
Kini setelah Anda berhasil melatih model Random Forest dengan h2o, Anda dapat menerapkan konsep yang sama untuk melatih algoritma lain, seperti Deep Learning. Pada latihan ini, Anda akan menerapkan grid search untuk menyetel hyperparameter model.
Ingat bahwa model gradient boosting memiliki hyperparameter learn_rate, sedangkan model deep learning memiliki hyperparameter rate.
Pustaka h2o sudah dimuat dan diinisialisasi untuk Anda.
Latihan ini merupakan bagian dari kursus
Penyetelan Hyperparameter di R
Latihan interaktif langsung praktik
Cobalah latihan ini dengan melengkapi kode contoh ini.
# Define hyperparameters
dl_params <- ___(___ = c(0.001, 0.005, 0.01))