Ange hyperparametrar
Slutligen ska du ange specifika hyperparametrar – värden som du kanske har identifierat genom att granska dina tidigare tuningsresultat.
Datamängden knowledge_train_data har redan laddats in, liksom paketen mlr och tidyverse. Dessutom har följande kod redan körts:
task <- makeClassifTask(data = knowledge_train_data,
target = "UNS")
lrn <- makeLearner(cl = "classif.nnet", fix.factors.prediction = TRUE)
Den här övningen är en del av kursen
Hyperparameterjustering i R
Övningsinstruktioner
- Ange följande hyperparametrar för ett neuralt nätverk: Ett dolt lager, maximalt antal iterationer på 150 och decay på 0.
Interaktiv övning med praktiskt arbete
Testa den här övningen genom att slutföra den här exempelkoden.
# Set hyperparameters
lrn_best <- setHyperPars(lrn, par.vals = list(___ = 1,
___ = 150,
___ = 0))
# Train model
model_best <- train(lrn_best, task)