เริ่มต้นใช้งานเริ่มต้นใช้งานได้ฟรี

การตั้งค่าไฮเปอร์พารามิเตอร์

ขั้นตอนสุดท้าย คือการกำหนดค่าไฮเปอร์พารามิเตอร์ที่ต้องการ ซึ่งอาจได้มาจากการวิเคราะห์ผลการปรับแต่งในขั้นตอนก่อนหน้า ชุดข้อมูล knowledge_train_data ถูกโหลดไว้ให้แล้ว พร้อมกับแพ็กเกจ mlr และ tidyverse และโค้ดต่อไปนี้ได้รันไว้แล้วเช่นกัน:

task <- makeClassifTask(data = knowledge_train_data, 
                        target = "UNS")

lrn <- makeLearner(cl = "classif.nnet", fix.factors.prediction = TRUE)

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

การปรับ Hyperparameter ใน R

ดูคอร์ส

คำแนะนำการฝึกหัด

  • กำหนดไฮเปอร์พารามิเตอร์ต่อไปนี้สำหรับ neural net: hidden layer จำนวน 1 ชั้น, จำนวนรอบการวนซ้ำสูงสุด 150 รอบ และ decay เท่ากับ 0

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

# Set hyperparameters
lrn_best <- setHyperPars(lrn, par.vals = list(___ = 1, 
                                              ___ = 150, 
                                              ___ = 0))

# Train model
model_best <- train(lrn_best, task)
แก้ไขและรันโค้ด