Sestavení kompletního modelu náhodného lesa
Modely náhodného lesa přirozeně provádějí výběr příznaků, protože při stavbě mnoha podstromů vycházejí z náhodných podmnožin dostupných příznaků. Jedním ze způsobů, jak pochopit důležitost příznaků, je sestavit model a z něj důležitosti příznaků extrahovat. V tomto cvičení použiješ data Healthcare Job Attrition k natrénování klasifikačního modelu rand_forest(), ze kterého pak důležitosti příznaků vyčteš. Aby byly důležitosti příznaků dostupné, nezapomeň model vytvořit s parametrem importance = "impurity". K dispozici máš sady train a test.
Balíčky tidyverse, tidymodels a vip jsou již načteny.
Toto cvičení je součástí kurzu
Redukce dimenzionality v R
Pokyny k cvičení
- Definuj klasifikační model náhodného lesa se 200 stromy, ze kterého bude možné extrahovat důležitosti příznaků.
- Natrénuj model náhodného lesa na všech prediktorech.
- Připoj předpovědi k testovací sadě.
- Vypočítej metriku F1.
Interaktivní cvičení na vyzkoušení si v praxi
Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.
# Specify the random forest model
rf_spec <- ___(mode = "___", ___ = ___) %>%
set_engine("___", ___ = "___")
# Fit the random forest model with all predictors
rf_fit <- ___ %>%
___(___, data = ___)
# Create the test set prediction data frame
predict_df <- ___ %>%
bind_cols(predict = ___(___, ___))
# Calculate F1 performance
f_meas(predict_df, ___, .pred_class)