Začněte nyníZačněte zdarma

Důležitost proměnných

Už víš, že bagged trees jsou ensemblový model, který překonává problém vysoké variance u rozhodovacích stromů. Teď ses navíc naučil/a, že algoritmus náhodného lesa to ještě vylepšuje tím, že v každém stromě používá jen náhodnou podmnožinu příznaků. To ensemble dále dekoreluje a zlepšuje jeho prediktivní výkon.

V tomto cvičení si sám/sama sestavíš náhodný les a zobrazíš důležitost prediktorů pomocí balíčku vip. Trénovací data customers_train jsou předem načtena v tvém pracovním prostředí.

Toto cvičení je součástí kurzu

Machine Learning with Tree-Based Models in R

Zobrazit kurz

Pokyny k cvičení

  • Vytvoř spec — specifikaci klasifikačního modelu náhodného lesa s využitím enginu "ranger" a důležitostí proměnných "impurity".
  • Vytvoř model nafitováním tibble customers_train na spec, přičemž jako výstupní proměnnou použij still_customer a všechny ostatní sloupce jako prediktory.
  • Zobraz důležitost proměnných pomocí funkce vip() z balíčku vip (který není předem načtený).

Interaktivní cvičení na vyzkoušení si v praxi

Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.

# Specify a random forest
spec <- ___ %>%
	set_mode("classification") %>%
    set_engine(___, importance = ___)

# Train the forest
model <- spec %>%
    fit(___,
        ___)

# Plot the variable importance
vip::___(model)
Upravit a spustit kód