or
Deze oefening maakt deel uit van de cursus
Waarom gebruiken we het vreemde woord "hyperparameter"? Wat maakt het ‘hyper’? Hier ontdek je wat modelparameters zijn en waarom ze anders zijn dan hyperparameters in Machine Learning. Daarna zie je waarom we ze willen afstellen en hoe de standaardinstelling van caret automatisch hyperparameterafstelling meeneemt.
In dit hoofdstuk leer je hoe je hyperparameters afstelt met een Cartesisch rooster. Daarna pas je snellere en efficiëntere methoden toe. Je gebruikt Random Search en adaptieve hersteekproeven om het parameterrooster te tunen, op een manier die zich richt op waarden in de buurt van de optimale instellingen.
Hier gebruik je een ander pakket voor Machine Learning met zeer handige functies voor hyperparameterafstelling. Je definieert een Cartesisch rooster of voert Random Search uit, evenals geavanceerde technieken. Je leert ook verschillende manieren om modellen met verschillende hyperparameters te plotten en te evalueren.
In dit laatste hoofdstuk gebruik je h2o, een ander pakket voor Machine Learning met zeer handige functies voor hyperparameterafstelling. Je gebruikt het om verschillende modellen te trainen en een Cartesisch rooster te definiëren. Vervolgens implementeer je een Random Search en gebruik je stopcriteria. Tot slot leer je AutoML kennen, een h2o-interface die zeer snel en gemakkelijk model- en hyperparameterafstelling mogelijk maakt met slechts één functie.
Huidige oefening