縮小版のランダムフォレストを作成する
それでは、train_reduced を使って縮小版モデルを学習し、test_reduced で評価していきます。縮小版モデルの学習には rf_spec が使えます。完全版モデルの F1 は 0.948 でした。縮小版モデルを学習・評価するときは、モデルの単純さと性能のトレードオフが常にあることを念頭に置いてください。もし性能が低下する場合、その低下を上回る利点がモデルの縮小にあるかどうかを判断する必要があります。
tidyverse、tidymodels、vip パッケージは読み込まれています。
この演習はコースの一部です
Rによる次元削減
演習の手順
rf_specを使って、縮小版のランダムフォレストモデルを学習します。- 縮小版モデルの予測を
test_reducedに結合します。 - 縮小版モデルの F1 指標を計算します。
実践的なインタラクティブ演習
このサンプルコードを完成させて、この演習に挑戦してみましょう。
# Fit a reduced model
rf_reduced_fit <- ___ %>%
___(___, ___ = ___)
# Create test set prediction data frame
predict_reduced_df <- ___ %>%
___(predict = ___(___, ___))
# Calculate F1 performance
___(___, ___, ___)