开始使用免费开始使用

使用 h2o 进行随机搜索

接下来，您将使用随机搜索。h2o 库和 seeds_train_data 已为您加载，并且已运行以下代码：

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]]

dl_params <- list(hidden = list(c(50, 50), c(100, 100)),
                  epochs = c(5, 10, 15),
                  rate = c(0.001, 0.005, 0.01))

本练习是课程的一部分

R 中的超参数调优

查看课程

练习说明

  • 定义一个搜索条件对象，用于随机搜索，并将最⼤运行时间设置为 10 秒。
  • 将该搜索条件对象添加到 h2o.grid 函数的合适位置，以训练随机模型。

交互式实操练习

通过完成这段示例代码来试试这个练习。

# Define search criteria
search_criteria <- list(strategy = ___, 
                        ___ = 10, # this is way too short & only used to keep runtime short!
                        seed = 42)

# Train with random search
dl_grid <- h2o.grid("deeplearning", 
                    grid_id = "dl_grid",
                    x = x, 
                    y = y,
                    training_frame = train,
                    validation_frame = valid,
                    seed = 42,
                    hyper_params = dl_params,
                    ___ = ___)
编辑并运行代码