Modellering med h2o
I den förra övningen förberedde du data för modellering med h2o. Nu kan du använda dessa data för att träna en modell.
Biblioteket h2o har redan laddats in, liksom objektet seeds_train_data, och följande kod har körts:
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]]
Den här övningen är en del av kursen
Hyperparameterjustering i R
Interaktiv övning med praktiskt arbete
Testa den här övningen genom att slutföra den här exempelkoden.
# Train random forest model
rf_model <- ___(___ = x,
___ = y,
___ = train,
___ = valid)