調參準備
調參前的準備是成功調參的基礎。準備工作有兩個主要步驟：在模型規格中用 tune() 標記要調整的超參數，並建立一個在調參時使用的超參數網格。
在本練習中，你將執行調參流程中這兩個關鍵步驟。
本練習屬於課程
R 的樹狀模型機器學習
練習說明
- 建立一個分類模型的 boosting 規格，使用
"xgboost"引擎與 500 棵樹，並將下列參數標記為可調參數：learn_rate、tree_depth、sample_size。將結果儲存為boost_spec。 - 針對
boost_spec的可調參數建立一般的調參網格，讓每個參數各有 3 個等級。
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 the specification with placeholders
boost_spec <- boost_tree(
trees = ___,
___,
___,
___) %>%
set_mode(___) %>%
set_engine(___)
# Create the tuning grid
tunegrid_boost <- ___(___,
levels = ___)
tunegrid_boost