Mulai sekarangMulai gratis

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

Lihat Kursus

Instruksi latihan

  • Gunakan crossing() untuk memperluas data validasi silang untuk nilai mtry dengan 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)))
Edit dan Jalankan Kode