Affina il tuo modello
Wow! È stato un miglioramento notevole rispetto a un modello di regressione. Ora vediamo se puoi migliorare ancora le prestazioni affinando i tuoi modelli random forest. Per farlo, varierai il parametro mtry quando costruisci i modelli random forest sui dati di train.
Il valore predefinito di mtry per ranger è la radice quadrata arrotondata per difetto del numero totale di caratteristiche (6). Questo produce un valore pari a 2.
Questo esercizio fa parte del corso
Machine Learning nel tidyverse
Istruzioni dell'esercizio
- Usa
crossing()per espandere i dati di cross validation per valori dimtryda 2 a 5. - Crea modelli random forest per ogni combinazione fold/mtry.
Esercizio pratico interattivo
Prova a risolvere questo esercizio completando il codice di esempio.
# Prepare for tuning your cross validation folds by varying mtry
cv_tune <- cv_data %>%
crossing(mtry = ___:___)
# Build a model for each fold & mtry combination
cv_model_tunerf <- cv_tune %>%
mutate(model = map2(.x = ___, .y = ___, ~ranger(formula = life_expectancy~.,
data = .x, mtry = .y,
num.trees = 100, seed = 42)))