Utför hyperparameterjustering med mlr
Nu kan du kombinera de förberedda funktionerna och objekten från föregående övning för att faktiskt utföra hyperparameterjustering med slumpmässig sökning.
Datamängden knowledge_train_data har redan lästs in, liksom paketen mlr, tidyverse och tictoc. Följande kod har också körts redan:
# Define task
task <- makeClassifTask(data = knowledge_train_data,
target = "UNS")
# Define learner
lrn <- makeLearner("classif.nnet", predict.type = "prob", fix.factors.prediction = TRUE)
# Define set of parameters
param_set <- makeParamSet(
makeDiscreteParam("size", values = c(2,3,5)),
makeNumericParam("decay", lower = 0.0001, upper = 0.1)
)
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.
# Define a random search tuning method.
ctrl_random <- makeTuneControlRandom(___ = ___)