Adatta una random forest

Come hai visto nel video, i modelli di random forest sono molto più flessibili dei modelli lineari: sanno rappresentare effetti non lineari complessi e catturano automaticamente le interazioni tra variabili. In genere danno ottimi risultati su dati reali, quindi proviamone uno sul dataset della qualità del vino, dove l'obiettivo è prevedere la qualità valutata dall'uomo di un lotto di vino, a partire da alcune proprietà chimiche e fisiche del lotto misurate dalla macchina.

Adattare un modello di random forest è identico ad adattare un modello di regressione lineare generalizzata, come hai fatto nel capitolo precedente. Ti basta cambiare l'argomento method nella funzione train in "ranger". Il pacchetto ranger è una riscrittura del classico pacchetto randomForest di R e adatta i modelli molto più velocemente, fornendo quasi esattamente gli stessi risultati. Consigliamo a chi inizia di usare il pacchetto ranger per la modellazione con random forest.