[R]碩論－機器學習參數優化(田口法)

隨著科技的發達，宣告Big-Data的時代已開始，因資料量遽增，硬體設備的進步成為一項重要的發展技術。軟體上，機器學習模型中使用核心作為平行/分散運算的方法也越來越多。但在有限的資源下，也不及資料量與運算量增加的速度。

論文連結

主要使用的套件是caret，是一套極為便利的套件，輔助了使用者在選擇變數後自動進行各項參數可能的組合結果，並比較製成模型給使用者。然而這樣便利的情況也帶來頻繁的重複建模、測試。

現有的方法多以硬體的優劣，來評斷應該給予多少訓練時間，電腦好訓練的次數多，可以比較的組合多，反之則減少了可能的組合，來降低訓練時間。

應用實驗設計的田口直交法來減少模型訓練的次數。

使用方法跟一般的caret並無兩樣，僅是在給予調整參數時，利用直交法產生的實驗表，當作caret的參數調整。