1. Apprendre
    2. /
  2. Cours
    3. /
  3. Introduction à Spark avec sparklyr en R
Connected

Exercice

Random Forest : modélisation

Comme les gradient boosted trees, les random forests sont une autre forme de ensemble model. Autrement dit, elles utilisent de nombreux modèles plus simples (encore des arbres de décision) et les combinent pour obtenir un seul modèle plus performant. Plutôt que d'exécuter le même modèle de façon itérative, les random forests exécutent en parallèle une multitude de modèles distincts, chacun sur un sous-ensemble aléatoire des données, avec un sous-ensemble aléatoire de caractéristiques. Le dernier arbre de décision produit ensuite des prédictions en agrégeant les résultats des modèles individuels.

La fonction random forest de sparklyr s'appelle ml_random_forest(). Son utilisation est exactement la même que celle de ml_gradient_boosted_trees() (voir le premier exercice de ce chapitre pour un rappel de la syntaxe).

Instructions

100 XP

Une connexion Spark a été créée pour vous sous le nom spark_conn. Une tibble liée aux métadonnées de pistes et aux données de timbre combinées et filtrées, stockées dans Spark, a été pré-définie sous le nom track_data_to_model_tbl.

  • Reprenez votre analyse de prédiction de l'année, cette fois avec un modèle de random forest.
    • Récupérez les colonnes timbre de track_data_to_model_tbl et assignez le résultat à feature_colnames.
    • Créez la formule du modèle avec reformulate().
    • Exécutez le modèle de random forest et assignez le résultat à random_forest_model.