R语言机器学习笔记（七）：mlr模型调参

前文提要：

HopeR：R语言机器学习笔记（一）：mlr总纲

HopeR：R语言机器学习笔记（二）：mlr任务定义

HopeR：R语言机器学习笔记（三）：mlr学习器定义

HopeR：R语言机器学习笔记（四）：mlr模型训练

HopeR：R语言机器学习笔记（五）：mlr模型预测

HopeR：R语言机器学习笔记（六）：mlr数据预处理

一个模型可能会有很多超参数，这些超参数的排列组合，我们必须不断尝试才能够知道哪个效果好。mlr能够让我们设置一个网格，然后对这些参数组合进行尝试，然后选择效果好的模型。要做调参，需要做三个步骤：

1、定义搜索空间；

2、定义优化算法；

3、确立评估方法。

定义搜索空间

比如SVM方法有两个参数（C和gamma）可以调（SVM的两个参数 C 和 gamma），那么我们就可以这样设置网格：

discrete_ps = makeParamSet(
  makeDiscreteParam("C", values = c(0.5, 1.0, 1.5, 2.0)),
  makeDiscreteParam("sigma", values = c(0.5, 1.0, 1.5, 2.0))
)
print(discrete_ps)
##           Type len Def      Constr Req Tunable Trafo
## C     discrete   -   - 0.5,1,1.5,2   -    TRUE     -
## sigma discrete   -   - 0.5,1,1.5,2   -    TRUE     -