튜닝 준비
튜닝을 잘하려면 준비가 탄탄해야 합니다. 튜닝 준비의 핵심 단계는 두 가지예요. 모델 사양에서 tune()으로 하이퍼파라미터를 표시하고, 튜닝에 사용할 하이퍼파라미터 그리드를 만드는 것입니다.
이번 연습 문제에서는 이 두 가지 기본 단계를 직접 수행해 보겠습니다.
이 연습은 강의의 일부입니다
R로 배우는 트리 기반 Machine Learning
연습 안내
- 분류 모델용으로
"xgboost"엔진을 사용하고 트리를 500개로 설정한 부스팅 사양을 만들고, 다음 매개변수를 튜닝 대상으로 표시하세요:learn_rate,tree_depth,sample_size. 결과를boost_spec에 저장하세요. boost_spec의 튜닝 매개변수에 대해, 각 매개변수에 세 수준(level)을 갖는 일반 튜닝 그리드를 구축하세요.
실습형 인터랙티브 연습
이 예제를 이 샘플 코드를 완성하여 풀어보세요.
# Create the specification with placeholders
boost_spec <- boost_tree(
trees = ___,
___,
___,
___) %>%
set_mode(___) %>%
set_engine(___)
# Create the tuning grid
tunegrid_boost <- ___(___,
levels = ___)
tunegrid_boost