Modèle de forêt aléatoire

Dans cet exercice, vous utiliserez la fonction randomForest() du paquet randomForest pour construire un modèle de forêt aléatoire afin de prédire l'attrition (churn) des clients dans l'ensemble d'entraînement, training_set. La variable cible s'appelle Future. Vous examinerez aussi l'importance des variables dans le modèle et la visualiserez.

Cette activité fait partie du cours

Analytique prédictive avec des données en réseau dans R

Voir le cours

Instructions de l’exercice

Chargez le paquet randomForest.
Utilisez la fonction set.seed() avec la graine 863.
Construisez une forêt aléatoire avec la fonction randomForest() et toutes les variables de training_set. La variable réponse Future doit être un facteur; utilisez donc la fonction as.factor().
Tracez l'importance des variables du modèle de forêt aléatoire à l'aide de varImpPlot().

Exercice interactif pratique

Essayez cet exercice en complétant ce code d’exemple.

# Load package
___(randomForest)

# Set seed
set.seed(___)

# Build model
rfModel <- ___(as.factor(___)~. ,data=training_set)

# Plot variable importance
varImpPlot(___)

Modifier et exécuter le code