Prueba con una longitud de ajuste mayor

Recuerda del vídeo que los modelos de random forest tienen un parámetro de ajuste principal, mtry, que controla cuántas variables se exponen a la rutina de búsqueda de particiones en cada división. Por ejemplo, supongamos que un árbol tiene un total de 10 divisiones y mtry = 2. Esto significa que hay 10 muestreos de 2 predictores cada vez que se evalúa una división.

Usa esta vez una cuadrícula de ajuste más amplia, pero mantente en los valores predeterminados que ofrece la función train(). Prueba con tuneLength igual a 3, en lugar de 1, para explorar más modelos potenciales, y representa el modelo resultante con la función plot.

Este ejercicio forma parte del curso

Machine Learning con caret en R

Ver curso

Instrucciones del ejercicio

Entrena un modelo de random forest, model, usando el conjunto wine sobre la variable quality con el resto de variables como explicativas. (Tardará unos segundos en ejecutarse, ¡ten paciencia!).
Usa method = "ranger".
Cambia tuneLength a 3.
Usa 5 particiones de validación cruzada (CV).
Imprime model en la consola.
Dibuja el modelo después de ajustarlo.

Ejercicio interactivo práctico

Prueba este ejercicio y completa el código de muestra.

# Fit random forest: model
model <- train(
  ___,
  tuneLength = 1,
  data = ___, 
  method = ___,
  trControl = trainControl(
    method = "cv", 
    number = ___, 
    verboseIter = TRUE
  )
)

# Print model to console


# Plot model

Editar y ejecutar código