Zacznij terazZacznij za darmo

Ocena wyników strojenia hiperparametrów

W tym ćwiczeniu ocenisz wyniki strojenia hiperparametrów dla drzewa decyzyjnego wytrenowanego przy użyciu pakietu rpart. Zbiór danych knowledge_train_data jest już wczytany, podobnie jak pakiety mlr i tidyverse. Poniższy kod został już uruchomiony:

task <- makeClassifTask(data = knowledge_train_data, 
                        target = "UNS")

lrn <- makeLearner(cl = "classif.rpart", fix.factors.prediction = TRUE)

param_set <- makeParamSet(
  makeIntegerParam("minsplit", lower = 1, upper = 30),
  makeIntegerParam("minbucket", lower = 1, upper = 30),
  makeIntegerParam("maxdepth", lower = 3, upper = 10)
)

ctrl_random <- makeTuneControlRandom(maxit = 10)

To ćwiczenie jest częścią kursu

Dostrajanie hiperparametrów w R

Zobacz kurs

Interaktywne ćwiczenie praktyczne

Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.

# Create holdout sampling
holdout <- makeResampleDesc(___)

# Perform tuning
lrn_tune <- tuneParams(learner = lrn, task = task, resampling = holdout, control = ctrl_random, par.set = param_set)
Edytuj i uruchom kod