ComeçarComece de graça

Avaliando resultados de ajuste de hiperparâmetros

Aqui, você vai avaliar os resultados de uma execução de ajuste de hiperparâmetros para uma árvore de decisão treinada com o pacote rpart. O conjunto de dados knowledge_train_data já foi carregado para você, assim como os pacotes mlr e tidyverse. Além disso, o código a seguir já foi executado:

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)

Este exercício faz parte do curso

Ajuste de hiperparâmetros em R

Ver curso

Exercício interativo prático

Experimente este exercício completando este código de exemplo.

# Create holdout sampling
holdout <- makeResampleDesc(___)

# Perform tuning
lrn_tune <- tuneParams(learner = lrn, task = task, resampling = holdout, control = ctrl_random, par.set = param_set)
Editar e executar o código