Random Forest mit eigener Tuning-Grid fitten
Nachdem du die Standard-Tuning-Grids der train()-Funktion ausprobiert hast, kannst du deine Modelle jetzt noch weiter anpassen.
Du kannst beliebig viele Werte für mtry vorgeben, von 2 bis zur Anzahl der Spalten im Datensatz. In der Praxis nehmen die Verbesserungseffekte bei sehr großen mtry-Werten ab. Daher verwendest du eine eigene Tuning-Grid, die zwei einfache Modelle (mtry = 2 und mtry = 3) sowie ein etwas komplexeres Modell (mtry = 7) untersucht.
Diese Übung ist Teil des Kurses
Maschinelles Lernen mit caret in R
Interaktive Übung
Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.
# Define the tuning grid: tuneGrid
tuneGrid <- data.frame(
.mtry = ___,
.splitrule = "___",
.min.node.size = ___
)