Anpassade tuninggrids

Maskininlärning med caret i R

Zach Mayer

Data Scientist at DataRobot and co-author of caret

För- och nackdelar med anpassad tuning

Skicka anpassade tuninggrids till argumentet tuneGrid
Fördelar
- Den mest flexibla metoden för att anpassa caret-modeller
- Full kontroll över hur modellen tränas
Nackdelar
- Kräver viss kännedom om modellen
- Kan öka körtiden avsevärt

Exempel på anpassad 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)

Anpassad tuning

Bilden visar ett linjediagram över träffsäkerhet i förhållande till slumpmässigt valda prediktorer, med en topp vid x lika med 10.

Nu kör vi en övning!

Maskininlärning med caret i R