1. Nauka
    2. /
  2. Kursy
    3. /
  3. Dostrajanie hiperparametrów w R
Connected

ćwiczenie

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.

Instrukcje 1/4

undefined XP
    1
    2
    3
    4
  • Zacznij definiować siatkę hiperparametrów dla deep learning z użyciem h2o: dla współczynnika uczenia użyj wartości 0.001, 0.005 i 0.01. Aby zapoznać się ze wszystkimi dostępnymi hiperparametrami, zajrzyj do pomocy dla h2o.deeplearning.