การปรับ Hyperparameter ใน R

สำหรับปัญหา machine learning หลายประเภท การรันโมเดลแล้วได้ผลทำนายออกมาเพียงอย่างเดียวยังไม่เพียงพอ เพราะเป้าหมายคือการได้โมเดลที่ดีที่สุดพร้อมการทำนายที่แม่นยำที่สุด วิธีหนึ่งในการพัฒนาโมเดลคือการปรับ hyperparameter ซึ่งหมายถึงการปรับค่าตั้งต้นให้เหมาะสมกับโมเดลนั้น ๆ ในคอร์สนี้ จะได้ใช้แพ็กเกจ caret, mlr และ h2o เพื่อค้นหาการผสมผสาน hyperparameter ที่เหมาะสมที่สุดอย่างมีประสิทธิภาพ ด้วยวิธี grid search, random search, adaptive resampling และ automatic machine learning (AutoML) นอกจากนี้ยังจะได้ทดลองกับชุดข้อมูลที่หลากหลายและปรับโมเดล supervised learning ต่าง ๆ เช่น random forests, gradient boosting machines, support vector machines และ neural nets พร้อมแล้วก็เริ่มปรับกันเลย!