始める無料で始める

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))

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

演習の手順

  • 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。

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 search criteria
search_criteria <- list(strategy = ___, 
                        ___ = 10, # this is way too short & only used to keep runtime short!
                        seed = 42)

# Train with random search
dl_grid <- h2o.grid("deeplearning", 
                    grid_id = "dl_grid",
                    x = x, 
                    y = y,
                    training_frame = train,
                    validation_frame = valid,
                    seed = 42,
                    hyper_params = dl_params,
                    ___ = ___)
コードを編集して実行