R語言/用迴圈調整參數

r 迴圈交叉驗證

mushi_rookie 2021-11-03 00:43:18 ‧ 1250 瀏覽

分享至


library(xgboost)
# install.packages("caret")
library(caret)
getwd()
setwd("/Users/tssc7/Desktop")
d <- read.csv("column_3C_weka.csv")
View(d)
#劃分訓練、測試資料
trainlist <- createDataPartition(d$class,p = 0.7, list = FALSE)
trainset <- d[trainlist,]
testset <- d[-trainlist,]

#1.資料格式轉換(1-1~1-5)
library(Matrix)

#=====================================================================

#1-1自變量轉為matrix(自變量為2-7列)
traindata1 <- data.matrix(trainset[,c(2:7)])
#1-2 sparse=TRUE(稀疏矩陣)
# traindata2 <- Matrix(traindata1,sparse = T) 
#1-3應變量
train_y <- trainset[,1]
#1-4自變量、應變量組合list
traindata <- list(data = traindata1,label = trainset[,1])
#1-5構件模型需要的xgb.DMatrix
dtrain <- xgb.DMatrix(data = traindata$data, label = traindata$label)

#=====================================================================


#2.測試資料
testset1 <- data.matrix(testset[,c(2:7)])
# testset2 <- Matrix(testset1,sparse = T)
test_y <- testset[,1]
testset <- list(data = testset1, label = testset[,1])
dtest <- xgb.DMatrix(data = testset$data, label = testset$label)

#3.建立模型
model_xgb <- xgboost(data = dtrain, booster = 'gbtree', max_depth = 20, eta = 0.5,  num_class = 2, nround = 200)

#4.模型預測
pre <- predict(model_xgb,newdata = dtest)

#5.模型評估
library(caret)
xgb.cf <- caret::confusionMatrix(as.factor(pre),as.factor(test_y))
xgb.cf

我想在這支xgboost程式中用迴圈去做參數的調整，再用k-fold交叉驗證來驗證模型，可是沒有甚麼頭緒，本人算是個菜鳥，希望有人可以幫幫我，萬分感謝!!!

huahualiu iT邦新手 2 級 ‧ 2021-11-03 08:20:39 檢舉

所以你的問題是，迴圈怎麼寫嗎？

mushi_rookie iT邦新手 5 級 ‧ 2021-11-03 10:13:13 檢舉

是的，在第三步建立模型裡面做一個迴圈來調整它裡面的參數

登入發表討論

直播研討會

{{ item.channelVendor }} {{ item.webinarstarted }} |

直播中

2 個回答

huahualiu

iT邦新手 2 級 ‧ 2021-11-03 15:48:09

最佳解答

主要就是先把你想測的參數範圍定好
然後將參數做組合
再引用至 Loop 中調用

# 匯入套件，crossing 要用的
library(tidyr)

# 產生參數的數列 (要測多少參數自己設)
max_depth_param <- seq(from=5, to=10, by=1)

eta_param <- seq(from=0, to=1, by=0.5)

n_round_param <- seq(from=10, to=20, by=10)

# 建立參數組合
params_table <- crossing(max_depth_param, eta_param, n_round_param)

# 於迴圈中調用參數組合 (Loop 中自行套用各個參數)
for (i in 1:nrow(params_table)){
    # 你的 Model
    model_xgb <- xgboost(data = dtrain,
                         booster = 'gbtree',
                         max_depth = params_table$max_depth_param,
                         eta = params_table$eta_param,
                         num_class = 2,
                         nround = params_table$n_round_param)
}