始める無料で始める

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

コースを見る

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))
コードを編集して実行