Ajusta modelos de random forest

Ahora que ya tienes un modelo de regresión logística funcionando, vas a preparar un modelo de random forest para compararlo.

Este ejercicio forma parte del curso

Machine Learning en el tidyverse

Ver curso

Instrucciones del ejercicio

Usa crossing() para expandir los datos de validación cruzada con valores de mtry iguales a 2, 4, 8 y 16.
Construye modelos de random forest para cada combinación de fold/mtry.

Ejercicio interactivo práctico

Prueba este ejercicio y completa el código de muestra.

library(ranger)

# Prepare for tuning your cross validation folds by varying mtry
cv_tune <- cv_data %>%
  crossing(mtry = c(___)) 

# Build a cross validation model for each fold & mtry combination
cv_models_rf <- cv_tune %>% 
  mutate(model = map2(___, ___, ~ranger(formula = Attrition~., 
                                           data = .x, mtry = .y,
                                           num.trees = 100, seed = 42)))

Editar y ejecutar código