Ustawianie hiperparametrów
Na koniec ustawisz konkretne hiperparametry – być może takie, które udało ci się zidentyfikować podczas analizy wcześniejszych wyników strojenia.
Zbiór danych knowledge_train_data został już wczytany, podobnie jak pakiety mlr i tidyverse. Uruchomiono również następujący kod:
task <- makeClassifTask(data = knowledge_train_data,
target = "UNS")
lrn <- makeLearner(cl = "classif.nnet", fix.factors.prediction = TRUE)
To ćwiczenie jest częścią kursu
Dostrajanie hiperparametrów w R
Instrukcje do ćwiczenia
- Ustaw następujące hiperparametry dla sieci neuronowej: jedna warstwa ukryta, maksymalna liczba iteracji równa 150 oraz zanik (decay) równy 0.
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
# Set hyperparameters
lrn_best <- setHyperPars(lrn, par.vals = list(___ = 1,
___ = 150,
___ = 0))
# Train model
model_best <- train(lrn_best, task)