1. Learn
    2. /
  2. Courses
    3. /
  3. R によるハイパーパラメータチューニング
Connected

Exercise

h2o でのランダムサーチ

次は、ランダムサーチを使います。h2o ライブラリと seeds_train_data はすでに読み込まれており、次のコードが実行済みです。

h2o.init()
seeds_train_data_hf <- as.h2o(seeds_train_data)

y <- "seed_type"
x <- setdiff(colnames(seeds_train_data_hf), y)

seeds_train_data_hf[, y] <- as.factor(seeds_train_data_hf[, y])

sframe <- h2o.splitFrame(seeds_train_data_hf, seed = 42)
train <- sframe[[1]]
valid <- sframe[[2]]

dl_params <- list(hidden = list(c(50, 50), c(100, 100)),
                  epochs = c(5, 10, 15),
                  rate = c(0.001, 0.005, 0.01))

Instructions

100 XP
  • 最大実行時間を10秒とするランダムサーチのsearch criteriaオブジェクトを定義してください。
  • この search criteria オブジェクトを h2o.grid 関数の適切な場所に追加し、ランダムなモデルを学習させてください。