시작하기무료로 시작하기

하이퍼파라미터 튜닝 결과 평가하기

이번에는 rpart 패키지로 학습한 의사결정나무에 대해 하이퍼파라미터 튜닝 실행 결과를 평가해 보겠습니다. knowledge_train_data 데이터셋과 mlr, tidyverse 패키지는 미리 로드되어 있습니다. 또한 다음 코드가 이미 실행되었습니다:

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

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

param_set <- makeParamSet(
  makeIntegerParam("minsplit", lower = 1, upper = 30),
  makeIntegerParam("minbucket", lower = 1, upper = 30),
  makeIntegerParam("maxdepth", lower = 3, upper = 10)
)

ctrl_random <- makeTuneControlRandom(maxit = 10)

이 연습은 강의의 일부입니다

R에서 하이퍼파라미터 튜닝

강의 보기

실습형 인터랙티브 연습

이 예제를 이 샘플 코드를 완성하여 풀어보세요.

# Create holdout sampling
holdout <- makeResampleDesc(___)

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