CARET এ প্যারামিটার টিউনিং (গ্রিড) বৈশিষ্ট্যটি অক্ষম করার কোনও উপায় আছে কি?


15

চূড়ান্ত কোনও মডেল বাছাইয়ের আগে বিভিন্ন মডেল তৈরি করতে ক্যারেট স্বয়ংক্রিয়ভাবে একটি পূর্বনির্ধারিত টিউনিং গ্রিড ব্যবহার করবে এবং তারপরে সম্পূর্ণ প্রশিক্ষণের ডেটাতে চূড়ান্ত মডেলটিকে প্রশিক্ষণ দেবে। আমি প্যারামিটারগুলির একটি মাত্র সংমিশ্রণ সহ আমার নিজস্ব টিউনিং গ্রিড সরবরাহ করতে পারি। তবে এই ক্ষেত্রেও, ক্যারেট টিউনিং পরামিতিগুলির মধ্যে সেরা মডেলটিকে "নির্বাচন করে" (যদিও এই ক্ষেত্রে কেবল একটিই রয়েছে) এবং তারপরে সমস্ত প্রশিক্ষণের ডেটাতে চূড়ান্ত মডেলটিকে ফিট করে। এটি একটি অতিরিক্ত পদক্ষেপ যা আমি এড়াতে চাই।

টিউনিং গ্রিডের বিভিন্নতা ছাড়াই আমি কীভাবে মডেল অনুসন্ধানের পদক্ষেপটি এড়াতে পারি এবং সমস্ত প্রশিক্ষণ ডেটা (সরাসরি অন্তর্নিহিত মডেল লাইব্রেরিটি কল করা ছাড়া) কেয়ারেটকে বাধ্য করতে পারি?


1
প্রশ্নটি বরং অস্পষ্ট, যা সম্ভবত ব্যাখ্যা করে যে আপনি কেন বিভিন্ন প্রশ্নের জবাব পেয়েছেন, যেমন 1) আমি কীভাবে মডেলটির বৈধতা এবং টিউনিং এড়িয়ে চলতে বলব না? এবং 2) আমি কেবলমাত্র মডেল টিউনিং কীভাবে বন্ধ করব?
জোহান লারসন

উত্তর:


17

আপনি নির্দিষ্ট করতে পারেন method="none"মধ্যে trainControl। উদাহরণ স্বরূপ:

train(Species ~ ., data=iris, method="rf", tuneGrid=data.frame(mtry=3),
  trControl=trainControl(method="none"))

কখন এটি বাস্তবায়িত হয়েছিল তা আমি নিশ্চিত নই।


9

সর্বোত্তম উপায় হ'ল স্পষ্টভাবে টিউনগ্রিড ডেটাফ্রেম সরবরাহ করা। উদাহরণস্বরূপ, এলোমেলো অরণ্যে কেবল একটি টিউনিং প্যারামিটার রয়েছে, 'ম্যাট্রি', যা প্রতিটি গাছের জন্য নির্বাচিত বৈশিষ্ট্যের সংখ্যা নিয়ন্ত্রণ করে।

একটি নির্দিষ্ট মানতে মিট্রি সেট করতে, আপনি র্যান্ডমফোরস্ট ডিফল্ট (? র্যান্ডমফোরস্ট) এটি করতে পারেন:

model <- train(x = X, y = Y, method = 'rf', tuneGrid = data.frame(.mtry = M))

আপনি যে টিউনিং প্যারামিটারটি ব্যবহার করতে চান তার এক মান যেখানে এম।

একাধিক টিউনিং পরামিতিগুলির জন্য এটি করুন:

tuneGrid = data.frame(.par1 = P1, .par2 = P2, .par3 = P3)

আমাদের সাইটে স্বাগতম, ব্রেন্ট! এই পুরানো প্রশ্ন অনুসরণ করার জন্য ধন্যবাদ।
whuber

4
নীচের পরামর্শটি method="none"আরও ভাল সমাধান।
টপেপো

1

আমি মনে করি এটি সম্ভব (কমপক্ষে কয়েকটি সংস্করণ আগে এটি সম্ভব ছিল না)। প্রশিক্ষণ ডেটাতে কেবল একটি একক পুনর্নির্মাণের পার্টিশন স্থাপনের মাধ্যমে পারফরম্যান্সের প্রভাব হ্রাস করা যায় (তবে ক্যারেট এখনও দু'বার মডেলকে প্রশিক্ষণ দেবে)

এটি একটি দরকারী বৈশিষ্ট্য হিসাবে মনে হচ্ছে তাই আমি প্যাকেজটির লেখককে পিং করব।


দুঃখিত এই উত্তরটি এখন অপ্রচলিত
smci
আমাদের সাইট ব্যবহার করে, আপনি স্বীকার করেছেন যে আপনি আমাদের কুকি নীতি এবং গোপনীয়তা নীতিটি পড়েছেন এবং বুঝতে পেরেছেন ।
Licensed under cc by-sa 3.0 with attribution required.