Mulai sekarangMulai gratis

Mengevaluasi hasil penyetelan hyperparameter

Di sini, Anda akan mengevaluasi hasil dari proses penyetelan hyperparameter untuk pohon keputusan yang dilatih dengan paket rpart. Himpunan data knowledge_train_data sudah dimuat untuk Anda, begitu juga paket mlr dan tidyverse. Kode berikut juga sudah dijalankan:

task <- makeClassifTask(data = knowledge_train_data, 
                        target = "UNS")

lrn <- makeLearner(cl = "classif.rpart", fix.factors.prediction = TRUE)

param_set <- makeParamSet(
  makeIntegerParam("minsplit", lower = 1, upper = 30),
  makeIntegerParam("minbucket", lower = 1, upper = 30),
  makeIntegerParam("maxdepth", lower = 3, upper = 10)
)

ctrl_random <- makeTuneControlRandom(maxit = 10)

Latihan ini merupakan bagian dari kursus

Penyetelan Hyperparameter di R

Lihat Kursus

Latihan interaktif langsung praktik

Cobalah latihan ini dengan melengkapi kode contoh ini.

# Create holdout sampling
holdout <- makeResampleDesc(___)

# Perform tuning
lrn_tune <- tuneParams(learner = lrn, task = task, resampling = holdout, control = ctrl_random, par.set = param_set)
Edit dan Jalankan Kode