Zacznij terazZacznij za darmo

Przeszukiwanie siatki z h2o

Skoro udało ci się wytrenować model Random Forest z użyciem h2o, możesz zastosować te same koncepcje do trenowania innych algorytmów, takich jak Deep Learning. W tym ćwiczeniu zastosujesz przeszukiwanie siatki do strojenia modelu.

Pamiętaj, że modele gradient boosting mają hiperparametr learn_rate, natomiast modele deep learning korzystają z hiperparametru rate.

Biblioteka h2o została już załadowana i zainicjalizowana.

To ćwiczenie jest częścią kursu

Dostrajanie hiperparametrów w R

Zobacz kurs

Interaktywne ćwiczenie praktyczne

Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.

# Define hyperparameters
dl_params <- ___(___ = c(0.001, 0.005, 0.01))
Edytuj i uruchom kod