เริ่มต้นใช้งานเริ่มต้นใช้งานได้ฟรี

การประเมินผลลัพธ์การปรับ Hyperparameter

ในแบบฝึกหัดนี้ จะได้ประเมินผลลัพธ์ของการปรับ Hyperparameter สำหรับ Decision Tree ที่ฝึกด้วยแพ็กเกจ rpart ชุดข้อมูล knowledge_train_data ถูกโหลดไว้ให้แล้ว รวมถึงแพ็กเกจ mlr และ tidyverse และโค้ดต่อไปนี้ก็ถูกรันไว้แล้วเช่นกัน:

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)

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

การปรับ Hyperparameter ใน R

ดูคอร์ส

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

# Create holdout sampling
holdout <- makeResampleDesc(___)

# Perform tuning
lrn_tune <- tuneParams(learner = lrn, task = task, resampling = holdout, control = ctrl_random, par.set = param_set)
แก้ไขและรันโค้ด