시작하기무료로 시작하기

h2o로 랜덤 서치 수행하기

이번에는 random search를 사용해 보겠습니다. h2o 라이브러리와 seeds_train_data는 이미 로드되어 있으며, 다음 코드가 실행된 상태예요:

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))

이 연습은 강의의 일부입니다

R에서 하이퍼파라미터 튜닝

강의 보기

연습 안내

  • 최대 실행 시간 10초로 random search를 수행하도록 하는 search criteria 객체를 정의하세요.
  • 이 search criteria 객체를 h2o.grid 함수의 알맞은 위치에 추가해 랜덤 모델을 학습하세요.

실습형 인터랙티브 연습

이 예제를 이 샘플 코드를 완성하여 풀어보세요.

# 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,
                    ___ = ___)
코드 편집 및 실행