Menyetel model random forest
Sekarang setelah Anda memiliki model regresi logistik yang berfungsi, Anda akan menyiapkan model random forest untuk membandingkannya.
Latihan ini merupakan bagian dari kursus
Machine Learning di Tidyverse
Instruksi latihan
- Gunakan
crossing()untuk memperluas data validasi silang untuk nilaimtrydengan nilai 2, 4, 8, dan 16. - Bangun model random forest untuk setiap kombinasi lipatan/mtry.
Latihan interaktif langsung praktik
Cobalah latihan ini dengan melengkapi kode contoh ini.
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)))