Ottimizza i modelli random forest

Ora che hai un modello di regressione logistica funzionante, prepara un modello random forest per confrontarlo.

Questo esercizio fa parte del corso

Machine Learning nel tidyverse

Istruzioni dell'esercizio

Usa crossing() per espandere i dati di cross-validation per i valori di mtry usando 2, 4, 8 e 16.
Crea modelli random forest per ogni combinazione di fold/mtry.

Esercizio pratico interattivo

Prova a risolvere questo esercizio completando il codice di esempio.

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)))

Modifica ed esegui il codice