Question

我正在优化一些不同的模型，其中一个是使用caret包的radialSVM。我正在创建一个调整网格，准备循环循环以找到用于模型的最佳参数。

有一点非常有用的是某种不同的增量序列。例如，我想从小步骤递增的小参数值开始。我走的越大，我可以采取更大的步骤。我发现小参数确实会改变模型，所以我想更仔细地探索它们。

通过当前步骤的某个乘数（例如x <- x+5*x）来增加序列是很棒的。是否可以使用已经存在的内容（例如seq()的创造性使用），或者我是否需要使用循环？

Answer 1

这样的事情怎么样：

0.0001 * 6^(0:10)
#  [1]    0.0001    0.0006    0.0036    0.0216    0.1296    0.7776    4.6656
#  [8]   27.9936  167.9616 1007.7696 6046.6176

Answer 2

您可以使用指数分布：

qexp((1:100)/100)

> qexp((1:100)/100)
  [1] 0.01005034 0.02020271 0.03045921 0.04082199 0.05129329 0.06187540 0.07257069 0.08338161
  [9] 0.09431068 0.10536052 0.11653382 0.12783337 0.13926207 0.15082289 0.16251893 0.17435339

将其调整为具有满足您需求的差异：

 diff( 20* qexp((1:100)/100) )
 [1]  0.2030474  0.2051300  0.2072557  0.2094260  0.2116422  0.2139058  0.2162183  0.2185814
 [9]  0.2209967  0.2234660  0.2259911  0.2285739  0.2312164  0.2339208  0.2366892  0.2395238

R的变化顺序的顺序？

2 个答案: