Penyetelan hyperparameter dengan caret

Penyetelan Hyperparameter di R

Dr. Shirin Elsinghorst

Senior Data Scientist

Penyetelan hyperparameter otomatis di caret

Random Forest 

...

Hasil resampling pada berbagai parameter penyetelan:

  mtry  Accuracy   Kappa    
   2    0.9006783  0.8015924
   6    0.9126645  0.8253289
  10    0.8999389  0.7999386

Accuracy digunakan untuk memilih model optimal dengan nilai terbesar.
Nilai akhir yang digunakan untuk model adalah mtry = 6.

Hyperparameter spesifik untuk algoritme model

modelLookup(model)
https://topepo.github.io/caret/available-models.html

Hyperparameter pada Support Vector Machines (SVM)

fitControl <- trainControl(method = "repeatedcv", number = 3, repeats = 5)

tic()
svm_model <- train(diagnosis ~ ., 
                   data = bc_train_data, 
                   method = "svmPoly", 
                   trControl = fitControl,
                   verbose= FALSE)
toc()

3.836 detik berlalu

Hyperparameter pada Support Vector Machines (SVM)

svm_model

Support Vector Machines with Polynomial Kernel 
... 

Hasil resampling pada berbagai parameter penyetelan:

  degree  scale  C     Accuracy   Kappa    
  1       0.100  1.00  0.9104803  0.8211459

Accuracy digunakan untuk memilih model optimal dengan nilai terbesar.
Nilai akhir yang digunakan untuk model adalah degree = 1, scale = 0.1, dan C = 1.

Menentukan hyperparameter untuk penyetelan otomatis

tuneLength

tic()
set.seed(42)
svm_model_2 <- train(diagnosis ~ ., 
                     data = bc_train_data, 
                     method = "svmPoly", 
                     trControl = fitControl,
                     verbose = FALSE,
                     tuneLength = 5)
toc()

7.458 detik berlalu

Accuracy digunakan untuk memilih model optimal dengan nilai terbesar.
Nilai akhir yang digunakan untuk model adalah degree = 1, scale = 1, dan C = 1.

Penyetelan hyperparameter manual di caret

tuneGrid + expand.grid

hyperparams <- expand.grid(degree = 4, scale = 1, C = 1)

tic()
set.seed(42)
svm_model_3 <- train(diagnosis ~ ., 
                     data = bc_train_data, 
                     method = "svmPoly", 
                     trControl = fitControl,
                     tuneGrid = hyperparams,
                     verbose = FALSE)
toc()

0.691 detik berlalu

Penyetelan hyperparameter manual di caret

svm_model_3

Support Vector Machines with Polynomial Kernel 

...

  Accuracy   Kappa   
  0.7772947  0.554812

Parameter penyetelan 'degree' ditahan pada nilai 4
Parameter penyetelan 'scale' ditahan pada nilai 1
Parameter penyetelan 'C' 
ditahan pada nilai 1

Giliran Anda!

Penyetelan Hyperparameter di R