Random forest dengan trainControl kustom

Salah satu model favorit saya lainnya adalah random forest, yang menggabungkan ansambel pohon keputusan non-linear menjadi model yang sangat fleksibel (dan biasanya cukup akurat).

Alih-alih menggunakan paket klasik randomForest, Anda akan menggunakan paket ranger, yang merupakan implementasi ulang dari randomForest yang menghasilkan hampir sama persis, tetapi lebih cepat, lebih stabil, dan menggunakan lebih sedikit memori. Saya sangat merekomendasikannya sebagai titik awal untuk pemodelan random forest di R.

Latihan ini merupakan bagian dari kursus

Machine Learning dengan caret di R

Lihat Kursus

Instruksi latihan

churn_x dan churn_y sudah dimuat di ruang kerja Anda.

Latih model random forest pada himpunan data churn. Pastikan untuk menggunakan myControl sebagai trainControl seperti yang telah Anda lakukan sebelumnya dan terapkan metode "ranger".

Latihan interaktif langsung praktik

Cobalah latihan ini dengan melengkapi kode contoh ini.

# Fit random forest: model_rf
model_rf <- train(
  x = ___, 
  y = ___,
  metric = "ROC",
  method = ___,
  trControl = ___
)

Edit dan Jalankan Kode