Aufbau eines Random Forest Modells

Obwohl ein Wald Hunderte von Bäumen enthalten kann, ist es vielleicht sogar einfacher, einen Entscheidungsbaumwald zu erstellen als einen einzelnen, hochentwickelten Baum.

Erstelle mit dem Paket randomForest einen Zufallswald und prüfe, wie er im Vergleich zu den einzelnen Bäumen abschneidet, die du zuvor erstellt hast.

Bedenke, dass die Ergebnisse aufgrund der zufälligen Natur des Waldes jedes Mal, wenn du den Wald erstellst, leicht variieren können.

Diese Übung ist Teil des Kurses

Überwachtes Lernen in R: Klassifikation

Kurs anzeigen

Anleitung zur Übung

Lade das Paket randomForest.
Erstelle ein Random-Forest-Modell mit allen Variablen aus dem Kreditantrag. Die Funktion randomForest verwendet ebenfalls die Formelschnittstelle.
Berechne die Genauigkeit des Random-Forest-Modells und vergleiche es mit der Genauigkeit des Originalbaums von 57,6 % mit predict() und mean().

Interaktive Übung zum Anfassen

Probieren Sie diese Übung aus, indem Sie diesen Beispielcode ausführen.

# Load the randomForest package
___

# Build a random forest model
loan_model <- ___(___, data = ___)

# Compute the accuracy of the random forest
loans_test$pred <- ___
mean(___)

Bearbeiten und Ausführen von Code