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

集約済み指標を定義する

ここでは、評価指標（performance measures）を定義します。 knowledge_train_data データセットはすでに読み込まれており、mlr と tidyverse パッケージも利用可能です。次のコードも実行済みです。

task <- makeClassifTask(data = knowledge_train_data, 
                        target = "UNS")

lrn <- makeLearner(cl = "classif.nnet", fix.factors.prediction = TRUE)

param_set <- makeParamSet(
  makeIntegerParam("size", lower = 1, upper = 5),
  makeIntegerParam("maxit", lower = 1, upper = 300),
  makeNumericParam("decay", lower = 0.0001, upper = 1)
)

ctrl_random <- makeTuneControlRandom(maxit = 10)

Instructions

100 XP
  • 性能指標の標準偏差を集約する setAggregation 関数を使いましょう。
  • setAggregation を平均誤分類率（mean misclassification error）と再サンプリング後の正解率（accuracy after resampling）に適用します。
  • モデルは平均誤分類率で最適化します。最初の引数が最適化に使われることを忘れないでください。