调整模型超参数模块：同时调整和交叉验证

Question

假设我使用带有Boosted决策树回归的Tune模型超参数模块进行以下配置：

这种配置是否允许我调整超参数，以便我能够获得最佳的确定系数，同时保证最低的交叉验证平均误差？ 如果是这样，是否有人知道Tune模型超参数模块使用此配置做了哪些更详细的信息？

谢谢。

Answer 1

无需拆分数据集，因为您将使用交叉验证来测量模型的准确性。不需要验证数据集作为Tune model hyperparameter的输入。

这是一个简单的配置，用于衡量二进制分类的准确性。通过随机拆分，查看Partition & Sample模块已调整为10倍交叉验证的属性。

评估结果，表明产生最佳模型的参数及其准确性。准确度指标是根据交叉验证通过计算的，并且可能会根据您选择的折叠数略有不同。