Slumpmässig grid-sökning
Den vanligaste metoden för hyperparameterjustering är grid-sökning. Metoden skapar ett justeringsgrid med unika kombinationer av hyperparametervärden och använder korsvalidering för att utvärdera deras prestanda. Målet med hyperparameterjustering är att hitta den optimala värdekombinationen för att maximera modellens prestanda.
I den här övningen skapar du ett slumpmässigt hyperparametergrid och justerar din beslutsträdsmodell för lånedata.
Dina korsvalideringsveck, loans_folds, workflow-objektet, loans_tune_wkfl, den anpassade måttfunktionen loans_metrics och dt_tune_model har lästs in i din session.
Den här övningen är en del av kursen
Modellering med tidymodels i R
Interaktiv övning med praktiskt arbete
Testa den här övningen genom att slutföra den här exempelkoden.
# Hyperparameter tuning with grid search
set.seed(214)
dt_grid <- ___(___(___),
size = ___)
dt_grid