Prova una tune length più lunga

Ricorda dal video che i modelli random forest hanno un parametro di ottimizzazione principale, mtry, che controlla quante variabili sono rese disponibili alla routine di ricerca dello split a ogni divisione. Per esempio, supponi che un albero abbia in totale 10 split e mtry = 2. Significa che, ogni volta che si valuta uno split, vengono estratti 10 campioni di 2 predittori ciascuno.

Usa questa volta una griglia di ottimizzazione più ampia, ma resta sui valori predefiniti forniti da train(). Prova un tuneLength pari a 3, invece di 1, per esplorare più modelli potenziali, e traccia il modello risultante usando la funzione plot.

Questo esercizio fa parte del corso

Machine Learning con caret in R

Visualizza il corso

Istruzioni dell'esercizio

Allena un modello random forest, model, usando il dataset wine sulla variabile quality con tutte le altre variabili come esplicative. (L'esecuzione richiederà alcuni secondi, abbi pazienza!)
Usa method = "ranger".
Imposta tuneLength a 3.
Usa 5 fold di CV.
Stampa model in console.
Traccia il modello dopo l'addestramento.

Esercizio pratico interattivo

Prova a risolvere questo esercizio completando il codice di esempio.

# Fit random forest: model
model <- train(
  ___,
  tuneLength = 1,
  data = ___, 
  method = ___,
  trControl = trainControl(
    method = "cv", 
    number = ___, 
    verboseIter = TRUE
  )
)

# Print model to console


# Plot model

Modifica ed esegui il codice