Grid search กับ h2o
เมื่อฝึก Random Forest model ด้วย h2o ได้สำเร็จแล้ว คุณสามารถนำแนวคิดเดียวกันไปใช้กับอัลกอริทึมอื่น ๆ ได้เช่นกัน เช่น Deep Learning ในแบบฝึกหัดนี้ จะได้ลองใช้ grid search เพื่อปรับจูนโมเดล
จำไว้ว่า gradient boosting model ใช้ไฮเปอร์พารามิเตอร์ชื่อ learn_rate ส่วน deep learning model ใช้ไฮเปอร์พารามิเตอร์ชื่อ rate
ไลบรารี h2o โหลดและเริ่มต้นให้แล้ว
แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร
การปรับ Hyperparameter ใน R
แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ
ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์
# Define hyperparameters
dl_params <- ___(___ = c(0.001, 0.005, 0.01))