h2o でのグリッドサーチ
すでに h2o で Random Forest モデルの学習に成功しましたね。同じ考え方は Deep Learning をはじめ、他のアルゴリズムにも適用できます。この演習では、モデルのチューニングに グリッドサーチ を使います。
勾配ブースティング系のモデルではハイパーパラメータは learn_rate、一方で Deep Learning モデルでは rate であることに注意してください。
h2o ライブラリはすでに読み込み・初期化済みです。
この演習はコースの一部です
R によるハイパーパラメータチューニング
実践的なインタラクティブ演習
このサンプルコードを完成させて、この演習に挑戦してみましょう。
# Define hyperparameters
dl_params <- ___(___ = c(0.001, 0.005, 0.01))