Utvärdera resultat från hyperparameterjustering
Här ska du utvärdera resultaten från en hyperparameterjustering för ett beslutsträd tränat med paketet rpart.
Datamängden knowledge_train_data har redan lästs in, liksom paketen mlr och tidyverse. Följande kod har också körts:
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)
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.
# Create holdout sampling
holdout <- makeResampleDesc(___)
# Perform tuning
lrn_tune <- tuneParams(learner = lrn, task = task, resampling = holdout, control = ctrl_random, par.set = param_set)