시작하기무료로 시작하기

하이퍼파라미터 수동 튜닝

이미 설정할 하이퍼파라미터 값을 알고 있다면, 하이퍼파라미터를 그리드로 수동 정의할 수도 있어요. modelLookup("gbm")를 실행하거나 caret에서 사용 가능한 모델 목록에서 gbm을 찾아 Tuning Parameters를 확인하세요.

참고: 이전과 마찬가지로 bc_train_data와 caret, tictoc 라이브러리는 미리 로드되어 있어요.

이 연습은 강의의 일부입니다

R에서 하이퍼파라미터 튜닝

강의 보기

연습 안내

  • Gradient Boosting Model을 위한 다음 하이퍼파라미터 그리드를 정의하세요: 트리 개수는 200, 트리 복잡도는 1, 학습률은 0.1, 분할을 시작하기 위한 노드의 최소 학습 데이터 개수는 10.
  • 정의한 그리드를 caret의 train() 함수에 적용하세요.

실습형 인터랙티브 연습

이 예제를 이 샘플 코드를 완성하여 풀어보세요.

# 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)
코드 편집 및 실행