Sintonizza manualmente gli iperparametri
Se sai già quali valori di iperparametro vuoi impostare, puoi anche definire manualmente gli iperparametri come una griglia. Vai su modelLookup("gbm") oppure cerca gbm nell'elenco dei modelli disponibili in caret e controlla la sezione Tuning Parameters.
Nota: Come prima, bc_train_data e le librerie caret e tictoc sono già state caricate.
Questo esercizio fa parte del corso
Ottimizzazione degli iperparametri in R
Istruzioni dell'esercizio
- Definisci la seguente griglia di iperparametri per un Gradient Boosting Model: numero di alberi pari a 200; complessità dell’albero pari a 1; learning rate pari a 0.1 e numero minimo di campioni del training set in un nodo per avviare lo split pari a 10.
- Applica la griglia alla funzione
train()dicaret.
Esercizio pratico interattivo
Prova a risolvere questo esercizio completando il codice di esempio.
# 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)