我正在優化一些各種模型,其中之一是radialSVM使用caret
包。我正在創建一個調整網格,準備在循環中循環查找用於模型的最佳參數。R隨增量變化的順序?
有一點非常有幫助的是某種不同的增量序列。例如,我想從小的參數值開始以小的步長遞增。我走的越大,我可以採取更大的步驟。我發現小參數確實會改變模型,所以我想更仔細地探索它們。
這將是美妙的有當前步的一些乘數的順序遞增,說x <- x+5*x
。這可能與已經存在的東西(如seq()
的創意用途),還是我需要使用循環?
我正在優化一些各種模型,其中之一是radialSVM使用caret
包。我正在創建一個調整網格,準備在循環中循環查找用於模型的最佳參數。R隨增量變化的順序?
有一點非常有幫助的是某種不同的增量序列。例如,我想從小的參數值開始以小的步長遞增。我走的越大,我可以採取更大的步驟。我發現小參數確實會改變模型,所以我想更仔細地探索它們。
這將是美妙的有當前步的一些乘數的順序遞增,說x <- x+5*x
。這可能與已經存在的東西(如seq()
的創意用途),還是我需要使用循環?
怎麼是這樣的:
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
您可以使用指數分佈:
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
調整它有滿足您的不同需求:
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
優雅簡約 - 謝謝! – Hendy