评估超参数调优结果
在本练习中，您将评估一次超参数调优运行的结果，该模型是使用 rpart 包训练的决策树。
数据集 knowledge_train_data 已为您加载，mlr 和 tidyverse 包也已载入。下面的代码也已运行：
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)
本练习是课程的一部分
R 中的超参数调优
交互式实操练习
通过完成这段示例代码来试试这个练习。
# Create holdout sampling
holdout <- makeResampleDesc(___)
# Perform tuning
lrn_tune <- tuneParams(learner = lrn, task = task, resampling = holdout, control = ctrl_random, par.set = param_set)