Tunagem de hiperparametros

Busca em grade os melhores hiperparametros por validacao cruzada (tune::tune_grid()). A spec deve ter parametros marcados com hardhat::tune().

Usage

rnp_ml_tunagem(
  spec,
  formula,
  reamostras,
  grade = 10,
  metrica = NULL,
  digits = 4L
)

Arguments

spec

Especificacao com parametros a tunar.

formula

Formula.

reamostras

Reamostras de rnp_ml_cv().

grade

Tamanho da grade (inteiro) ou data.frame de candidatos.

metrica

Metrica para ordenar (NULL usa a primeira disponivel).

digits

Inteiro.

Value

Uma lista com melhores (tibble), melhor_param e resultado.

See also

Other ml: rnp_ml_ajustar(), rnp_ml_arvore(), rnp_ml_boosting(), rnp_ml_comparar(), rnp_ml_cv(), rnp_ml_floresta(), rnp_ml_importancia(), rnp_ml_knn(), rnp_ml_particao(), rnp_ml_prever(), rnp_ml_receita(), rnp_ml_regularizada(), rnp_ml_svm()

Examples

# \donttest{
sp <- rnp_ml_arvore("classificacao", custo_complexidade = hardhat::tune())
rnp_ml_tunagem(sp, Species ~ ., rnp_ml_cv(iris, v = 3), grade = 5)$melhores
#> # A tibble: 5 × 7
#>   cost_complexity .metric  .estimator  mean     n std_err .config        
#>             <dbl> <chr>    <chr>      <dbl> <dbl>   <dbl> <chr>          
#> 1          0      accuracy multiclass 0.927     3  0.024  pre0_mod1_post0
#> 2          0      accuracy multiclass 0.927     3  0.024  pre0_mod2_post0
#> 3          0      accuracy multiclass 0.927     3  0.024  pre0_mod3_post0
#> 4          0.0005 accuracy multiclass 0.927     3  0.024  pre0_mod4_post0
#> 5          0.0978 accuracy multiclass 0.92      3  0.0115 pre0_mod5_post0
# }