Ajuster une forêt aléatoire avec un réglage personnalisé
Maintenant que vous avez exploré les grilles de réglage par défaut offertes par la fonction train(), personnalisons un peu plus vos modèles.
Vous pouvez fournir n'importe quel nombre de valeurs pour mtry, de 2 jusqu'au nombre de colonnes du jeu de données. En pratique, les gains diminuent pour des valeurs de mtry beaucoup plus élevées. Vous utiliserez donc une grille de réglage personnalisée qui explore 2 modèles simples (mtry = 2 et mtry = 3) ainsi qu'un modèle plus complexe (mtry = 7).
Cette activité fait partie du cours
Machine Learning avec caret en R
Exercice interactif pratique
Essayez cet exercice en complétant ce code d’exemple.
# Define the tuning grid: tuneGrid
tuneGrid <- data.frame(
.mtry = ___,
.splitrule = "___",
.min.node.size = ___
)