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
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
# Define hyperparameters
dl_params <- ___(___ = c(0.001, 0.005, 0.01))