1. Learn
    2. /
  2. Courses
    3. /
  3. Dostrajanie hiperparametrów w R
Connected

Exercise

Losowe przeszukiwanie z h2o

Teraz skorzystasz z losowego przeszukiwania. Biblioteka h2o oraz seeds_train_data zostały już wczytane, a poniższy kod został wcześniej uruchomiony:

h2o.init()
seeds_train_data_hf <- as.h2o(seeds_train_data)

y <- "seed_type"
x <- setdiff(colnames(seeds_train_data_hf), y)

seeds_train_data_hf[, y] <- as.factor(seeds_train_data_hf[, y])

sframe <- h2o.splitFrame(seeds_train_data_hf, seed = 42)
train <- sframe[[1]]
valid <- sframe[[2]]

dl_params <- list(hidden = list(c(50, 50), c(100, 100)),
                  epochs = c(5, 10, 15),
                  rate = c(0.001, 0.005, 0.01))

Instructions

100 XP
  • Zdefiniuj obiekt kryteriów wyszukiwania, który określa losowe przeszukiwanie z maksymalnym czasem działania wynoszącym 10 sekund.
  • Dodaj ten obiekt kryteriów wyszukiwania we właściwym miejscu funkcji h2o.grid, aby wytrenować losowe modele.