Mulai sekarangMulai gratis

Persiapan penyetelan

Persiapan penyetelan adalah landasan keberhasilan penyetelan. Ada dua langkah utama dalam menyiapkan penyetelan Anda: menandai hiperparameter menggunakan tune() dalam spesifikasi model dan membuat grid hiperparameter yang digunakan dalam penyetelan.

Anda akan menjalankan dua langkah mendasar dari proses penyetelan ini dalam latihan ini.

Latihan ini merupakan bagian dari kursus

Machine Learning dengan Model Berbasis Pohon di R

Lihat Kursus

Instruksi latihan

  • Buat spesifikasi boosting dengan engine "xgboost" untuk model klasifikasi menggunakan 500 pohon dan tandai parameter berikut sebagai parameter penyetelan: learn_rate, tree_depth, dan sample_size. Simpan hasilnya sebagai boost_spec.
  • Bangun grid penyetelan reguler untuk parameter penyetelan dari boost_spec dengan tiga level untuk setiap parameter.

Latihan interaktif langsung praktik

Cobalah latihan ini dengan melengkapi kode contoh ini.

# Create the specification with placeholders
boost_spec <- boost_tree(
                trees = ___,
                ___,
                ___,
                ___) %>%
  set_mode(___) %>%
  set_engine(___)

# Create the tuning grid
tunegrid_boost <- ___(___, 
                      levels = ___)

tunegrid_boost
Edit dan Jalankan Kode