시작하기무료로 시작하기

집계 지표 정의하기

이제 성능 지표를 정의해 보겠습니다. knowledge_train_data 데이터셋은 이미 불러와졌고, mlr와 tidyverse 패키지도 로드되어 있습니다. 또한 아래 코드가 미리 실행되어 있습니다:

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)

이 연습은 강의의 일부입니다

R에서 하이퍼파라미터 튜닝

강의 보기

연습 안내

  • 성능 지표의 표준편차를 집계하는 setAggregation 함수를 사용하세요.
  • setAggregation을 리샘플링 후 평균 오분류율과 정확도에 적용하세요.
  • 모델을 평균 오분류율 기준으로 최적화하세요. 첫 번째 인수가 최적화에 사용된다는 점을 기억하세요.

실습형 인터랙티브 연습

이 예제를 이 샘플 코드를 완성하여 풀어보세요.

# Create holdout sampling
holdout <- makeResampleDesc("Holdout", predict = "both")

# Perform tuning
lrn_tune <- tuneParams(learner = lrn, 
                       task = task, 
                       resampling = holdout, 
                       control = ctrl_random, 
                       par.set = param_set,
                       measures = list(___, ___(___, train.mean), ___, ___(___, train.mean)))
코드 편집 및 실행