使用 h2o 進行建模
在上一個練習中，你已成功用 h2o 準備好要建模的資料。現在，你可以用這些資料來訓練模型。
h2o 函式庫已為你載入，seeds_train_data 物件也已就緒，並且已經執行了以下程式碼：
h2o.init()
seeds_train_data_hf <- as.h2o(seeds_train_data)
y <- "seed_type"
x <- setdiff(colnames(seeds_train_data_hf), y)
seeds_train_data_hf[, y] <- as.factor(seeds_train_data_hf[, y])
sframe <- h2o.splitFrame(seeds_train_data_hf, seed = 42)
train <- sframe[[1]]
valid <- sframe[[2]]
本練習屬於課程
R 的超參數調校
動手互動練習
試著完成這個範例程式碼，體驗一下這個練習。
# Train random forest model
rf_model <- ___(___ = x,
___ = y,
___ = train,
___ = valid)