Förberedelse för finjustering
Förberedelsen är grunden för lyckad finjustering. Det finns två huvudsteg: markera hyperparametrar med tune() i modellspecifikationen och skapa ett rutnät av hyperparametrar som används vid justeringen.
I den här övningen ska du utföra dessa två grundläggande steg i justeringsprocessen.
Den här övningen är en del av kursen
Maskininlärning med trädbaserade modeller i R
Övningsinstruktioner
- Skapa en boostingspecifikation med en
"xgboost"-motor för en klassificeringsmodell med 500 träd och markera följande parametrar som justeringsparametrar:learn_rate,tree_depthochsample_size. Spara resultatet somboost_spec. - Bygg ett reguljärt justeringsrutnät för justeringsparametrarna i
boost_specmed tre nivåer för varje parameter.
Interaktiv övning med praktiskt arbete
Testa den här övningen genom att slutföra den här exempelkoden.
# Create the specification with placeholders
boost_spec <- boost_tree(
trees = ___,
___,
___,
___) %>%
set_mode(___) %>%
set_engine(___)
# Create the tuning grid
tunegrid_boost <- ___(___,
levels = ___)
tunegrid_boost