开始使用免费开始使用

手动调优超参数

如果您已经知道要设置哪些超参数取值，也可以将超参数手动定义为一个网格。前往 modelLookup("gbm")，或在 caret 可用模型列表 中搜索 gbm，并在 Tuning Parameters 下查看需要的参数。

注意：与之前相同，bc_train_data 以及 caret 和 tictoc 库已预加载。

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

  • 为梯度提升模型定义如下超参数网格：树的数量为 200；树的复杂度为 1；学习率为 0.1；开始进行节点分裂所需的训练集最小样本数为 10。
  • 将该网格应用到 caret 的 train() 函数中。

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 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)
编辑并运行代码