始める無料で始める

ハイパーパラメータを手動でチューニングする

設定したいハイパーパラメータの値がすでに分かっている場合は、ハイパーパラメータをグリッドとして手動で定義することもできます。modelLookup("gbm") を実行するか、caret で利用可能なモデルの一覧で gbm を検索し、Tuning Parameters を確認してください。

注意: 先ほどと同様に、bc_train_data とライブラリ caret、tictoc は事前に読み込まれています。

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

演習の手順

  • Gradient Boosting Model 用に次のハイパーパラメータグリッドを定義してください：木の本数は 200、木の複雑さは 1、学習率は 0.1、ノードで分割を開始するために必要な学習データの最小サンプル数は 10。
  • 作成したグリッドを caret の train() 関数に適用してください。

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 hyperparameter grid.
hyperparams <- expand.grid(___ = 200, 
                           ___ = 1, 
                           ___ = 0.1, 
                           ___ = 10)

# Apply hyperparameter grid to train().
set.seed(42)
gbm_model <- train(diagnosis ~ ., 
                   data = bc_train_data, 
                   method = "gbm", 
                   trControl = trainControl(method = "repeatedcv", number = 5, repeats = 3),
                   verbose = FALSE,
                   ___ = hyperparams)
コードを編集して実行