Willekeurige grid search
De meest gebruikte methode voor hyperparameter-tuning is grid search. Deze methode maakt een tuning-grid met unieke combinaties van hyperparametervaarden en gebruikt cross-validatie om hun prestaties te beoordelen. Het doel van hyperparameter-tuning is de optimale combinatie van waarden te vinden om de modelprestatie te maximaliseren.
In deze oefening maak je een willekeurig hyperparameter-grid en tune je het decision tree-model voor je leningengegevens.
Je cross-validatievouwen, loans_folds, workflow-object, loans_tune_wkfl, aangepaste metricfunctie, loans_metrics, en dt_tune_model zijn in je sessie geladen.
Deze oefening maakt deel uit van de cursus
Modelleren met tidymodels in R
Praktische interactieve oefening
Probeer deze oefening eens door deze voorbeeldcode in te vullen.
# Hyperparameter tuning with grid search
set.seed(214)
dt_grid <- ___(___(___),
size = ___)
dt_grid