Aangepaste tuning-roosters

Machine Learning met caret in R

Zach Mayer

Data Scientist at DataRobot and co-author of caret

Voor- en nadelen van aangepaste tuning

Geef aangepaste tuning-roosters door aan het argument tuneGrid
Voordelen
- Meest flexibele manier om caret-modellen te fitten
- Volledige controle over hoe het model wordt gefit
Nadelen
- Vereist enige modelkennis
- Kan de looptijd sterk vergroten

Voorbeeld van aangepaste tuning

# Define a custom tuning grid
myGrid <- data.frame(mtry = c(2, 3, 4, 5, 10, 20))

# Fit a model with a custom tuning grid
set.seed(42)
model <- train(
  Class ~ ., 
  data = Sonar, 
  method = "ranger",            
  tuneGrid = myGrid
)

# Plot the results
plot(model)

Aangepaste tuning

De afbeelding toont een lijngrafiek van nauwkeurigheid versus willekeurig gekozen predictoren, met een piek bij x = 10.

Laten we oefenen!

Machine Learning met caret in R