使用具有不同调整参数的 R Caret 模型
Using R Caret model with different tunning parameters
我训练了一个 NNET 插入符模型,具有三种尺寸的调优功能。
最终模型适合一个尺寸。它是由最小的 RMSE 自动选择的。
Neural Network
9700 samples
23 predictor
Pre-processing: centered, scaled
Resampling: Cross-Validated (8 fold, repeated 8 times)
Summary of sample sizes: 8488, 8488, 8487, 8485, 8488, 8488, ...
Resampling results across tuning parameters:
size RMSE Rsquared RMSE SD Rsquared SD
12 0.0328 0.951 0.002033 0.006127
24 0.0221 0.978 0.001358 0.002764
72 0.0134 0.992 0.000647 0.000815
Tuning parameter 'decay' was held constant at a value of 5e-04
RMSE was used to select the optimal model using the smallest value.
The final values used for the model were size = 72 and decay = 5e-04.
但我也想探索用其他尺寸训练的模型。
我可以将预测函数与模型的其他调整参数一起使用吗?
如果您使用 trainControl
的 savePredictions
参数,您可以从调整网格中的不同模型中获得保留预测。除此之外,您还需要拟合不同的模型。
最大
我训练了一个 NNET 插入符模型,具有三种尺寸的调优功能。 最终模型适合一个尺寸。它是由最小的 RMSE 自动选择的。
Neural Network
9700 samples
23 predictor
Pre-processing: centered, scaled
Resampling: Cross-Validated (8 fold, repeated 8 times)
Summary of sample sizes: 8488, 8488, 8487, 8485, 8488, 8488, ...
Resampling results across tuning parameters:
size RMSE Rsquared RMSE SD Rsquared SD
12 0.0328 0.951 0.002033 0.006127
24 0.0221 0.978 0.001358 0.002764
72 0.0134 0.992 0.000647 0.000815
Tuning parameter 'decay' was held constant at a value of 5e-04
RMSE was used to select the optimal model using the smallest value.
The final values used for the model were size = 72 and decay = 5e-04.
但我也想探索用其他尺寸训练的模型。 我可以将预测函数与模型的其他调整参数一起使用吗?
如果您使用 trainControl
的 savePredictions
参数,您可以从调整网格中的不同模型中获得保留预测。除此之外,您还需要拟合不同的模型。
最大