अपने मॉडल को फाइन-ट्यून करें
वाह! यह एक रिग्रेशन मॉडल की तुलना में काफ़ी बेहतर सुधार था। अब देखते हैं कि क्या आप अपने रैंडम फॉरेस्ट मॉडल्स को फाइन-ट्यून करके प्रदर्शन और बेहतर कर सकते हैं। इसके लिए आप train डेटा पर रैंडम फॉरेस्ट मॉडल बनाते समय mtry पैरामीटर को बदलेंगे।
ranger के लिए mtry का डिफ़ॉल्ट मान कुल फीचर्स (6) की वर्गमूल का फ़्लोर होता है। इसका मान 2 आता है।
यह अभ्यास पाठ्यक्रम का हिस्सा है
Tidyverse में मशीन लर्निंग
अभ्यास निर्देश
crossing()का उपयोग करके cross validation डेटा कोmtryके मान 2 से 5 तक के लिए एक्सपैंड करें।- हर fold/mtry कॉम्बिनेशन के लिए रैंडम फॉरेस्ट मॉडल्स बनाइए।
इंटरैक्टिव व्यावहारिक अभ्यास
इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।
# Prepare for tuning your cross validation folds by varying mtry
cv_tune <- cv_data %>%
crossing(mtry = ___:___)
# Build a model for each fold & mtry combination
cv_model_tunerf <- cv_tune %>%
mutate(model = map2(.x = ___, .y = ___, ~ranger(formula = life_expectancy~.,
data = .x, mtry = .y,
num.trees = 100, seed = 42)))