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
คำแนะนำการฝึกหัด
- กำหนดกริดไฮเปอร์พารามิเตอร์สำหรับ Gradient Boosting Model ดังนี้: จำนวนต้นไม้เท่ากับ 200, ความซับซ้อนของต้นไม้เท่ากับ 1, อัตราการเรียนรู้เท่ากับ 0.1 และจำนวนตัวอย่างขั้นต่ำในโหนดสำหรับการแบ่งข้อมูลเท่ากับ 10
- นำกริดที่กำหนดไปใช้กับฟังก์ชัน
train()ของcaret
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)