評估超參數調校結果
在這裡，你將會評估一次超參數調校執行的結果，模型是使用 rpart 套件訓練的決策樹。
knowledge_train_data 資料集已為你載入，mlr 與 tidyverse 套件也都已載入。以下程式碼也已經執行：
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)
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。
# Create holdout sampling
holdout <- makeResampleDesc(___)
# Perform tuning
lrn_tune <- tuneParams(learner = lrn, task = task, resampling = holdout, control = ctrl_random, par.set = param_set)