h2o ile grid search
Artık h2o ile bir Random Forest modeli başarıyla eğittiğine göre, aynı kavramları Deep Learning gibi diğer tüm algoritmalar için de uygulayabilirsin. Bu egzersizde, bir modeli ayarlamak için grid search uygulayacaksın.
Unutma: gradient boosting modellerinde learn_rate hiperparametresi varken deep learning modellerinde rate hiperparametresi vardır.
h2o kütüphanesi senin için zaten yüklendi ve başlatıldı.
Bu egzersiz, kursun bir parçasıdır
R'de Hiperparametre Ayarlama
Uygulamalı etkileşimli egzersiz
Bu egzersizi bu örnek kodu tamamlayarak deneyin.
# Define hyperparameters
dl_params <- ___(___ = c(0.001, 0.005, 0.01))