開始使用免費開始

手動調整超參數

如果你已經知道要設定哪些超參數值，也可以將超參數手動定義為一個網格（grid）。前往 modelLookup("gbm")，或在 caret 可用模型清單 中搜尋 gbm，並查看 Tuning Parameters。

注意：和之前一樣，bc_train_data 以及 caret 和 tictoc 套件都已預先載入。

本練習屬於課程

R 的超參數調校

檢視課程

練習說明

  • 為 Gradient Boosting Model 定義下列超參數網格：樹的數量為 200；樹的複雜度為 1；學習率為 0.1；在節點開始切分前，訓練集中該節點的最小樣本數為 10。
  • 將此網格套用到 caret 的 train() 函式。

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。

# 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)
編輯並執行程式碼