เริ่มต้นใช้งานเริ่มต้นใช้งานได้ฟรี

ปรับแต่งไฮเปอร์พารามิเตอร์ด้วยตนเอง

หากทราบอยู่แล้วว่าต้องการกำหนดค่าไฮเปอร์พารามิเตอร์เป็นเท่าใด ก็สามารถกำหนดไฮเปอร์พารามิเตอร์ด้วยตนเองในรูปแบบกริดได้เลย ลองไปที่ modelLookup("gbm") หรือค้นหา gbm ในรายการโมเดลที่ใช้งานได้ใน caret แล้วดูที่หัวข้อ Tuning Parameters

หมายเหตุ: เช่นเดิม bc_train_data และไลบรารี caret กับ tictoc ถูกโหลดไว้ให้แล้ว

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

การปรับ Hyperparameter ใน R

ดูคอร์ส

คำแนะนำการฝึกหัด

  • กำหนดกริดไฮเปอร์พารามิเตอร์สำหรับ Gradient Boosting Model ดังนี้: จำนวนต้นไม้เท่ากับ 200, ความซับซ้อนของต้นไม้เท่ากับ 1, อัตราการเรียนรู้เท่ากับ 0.1 และจำนวนตัวอย่างขั้นต่ำในโหนดสำหรับการแบ่งข้อมูลเท่ากับ 10
  • นำกริดที่กำหนดไปใช้กับฟังก์ชัน train() ของ caret

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

# Define hyperparameter grid.
hyperparams <- expand.grid(___ = 200, 
                           ___ = 1, 
                           ___ = 0.1, 
                           ___ = 10)

# Apply hyperparameter grid to train().
set.seed(42)
gbm_model <- train(diagnosis ~ ., 
                   data = bc_train_data, 
                   method = "gbm", 
                   trControl = trainControl(method = "repeatedcv", number = 5, repeats = 3),
                   verbose = FALSE,
                   ___ = hyperparams)
แก้ไขและรันโค้ด