रैंडम फॉरेस्ट मॉडल ट्यून करें
अब जबकि आपके पास एक काम करता हुआ लॉजिस्टिक रिग्रेशन मॉडल है, आप इसकी तुलना करने के लिए एक रैंडम फॉरेस्ट मॉडल तैयार करेंगे।
यह अभ्यास पाठ्यक्रम का हिस्सा है
Tidyverse में मशीन लर्निंग
अभ्यास निर्देश
crossing()का उपयोग करकेmtryके मान 2, 4, 8, और 16 के लिए क्रॉस-वैलिडेशन डेटा को विस्तारित करें।- प्रत्येक fold/mtry संयोजन के लिए रैंडम फॉरेस्ट मॉडल बनाएँ।
इंटरैक्टिव व्यावहारिक अभ्यास
इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।
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)))