Melatih random forest dengan pengaturan kustom
Sekarang setelah Anda mengeksplorasi grid penalaan bawaan yang disediakan oleh fungsi train(), mari mengkustomisasi model Anda lebih lanjut.
Anda dapat memberikan sejumlah nilai untuk mtry, dari 2 hingga jumlah kolom dalam himpunan data. Dalam praktiknya, manfaat tambahan akan menurun untuk nilai mtry yang jauh lebih besar, sehingga Anda akan menggunakan grid penalaan kustom yang mengeksplorasi 2 model sederhana (mtry = 2 dan mtry = 3) serta satu model yang lebih kompleks (mtry = 7).
Latihan ini adalah bagian dari kursus
Machine Learning dengan caret di R
Latihan interaktif praktis
Cobalah latihan ini dengan menyelesaikan kode contoh berikut.
# Define the tuning grid: tuneGrid
tuneGrid <- data.frame(
.mtry = ___,
.splitrule = "___",
.min.node.size = ___
)