Aufgeräumtes Modellieren mit R

Kapitel 13. Rastersuche

Diese Arbeit wurde mithilfe von KI übersetzt. Wir freuen uns über dein Feedback und deine Kommentare: [e-mail]

In Kapitel 12 haben wir dir gezeigt, wie du mit der Funktion tune() Argumente in Preprocessing-Rezepten und/oder Modellspezifikationen für die Optimierung markieren oder kennzeichnen kannst. Sobald wir wissen, was optimiert werden soll, ist es an der Zeit, sich mit der Frage zu beschäftigen, wie die Parameter optimiert werden können. Dieses Kapitel beschreibt Rastersuchmethoden, die die möglichen Werte der Parameter a priori festlegen.(In Kapitel 14 wird die Diskussion fortgesetzt, indem iterative Suchmethoden beschrieben werden).

Beginnen wir damit, uns zwei Hauptansätze für den Aufbau eines Gitters anzusehen.

Regelmäßige und unregelmäßige Raster

Es gibt zwei Haupttypen von Rastern. Ein reguläres Raster kombiniert jeden Parameter (mit der entsprechenden Menge möglicher Werte) faktoriell, d.h. durch Verwendung aller Kombinationen der Mengen. Ein unregelmäßiges Raster ist ein Raster, bei dem die Parameterkombinationen nicht aus einer kleinen Menge von Punkten gebildet werden.

Bevor wir uns die einzelnen Typen genauer ansehen, betrachten wir ein Beispielmodell: das mehrschichtige Perceptron-Modell (auch bekannt als einschichtiges künstliches neuronales Netz). Die zur Abstimmung markierten Parameter sind :

• Die Anzahl der versteckten Einheiten

• Die Anzahl der Anpassungsepochen/Initerationen beim Modelltraining

• Die Höhe ...