速度と精度のトレードオフ
最後の動画では、ランダムフォレストの性能に影響を与える2つのパラメータを確認しました。
- 各フォレストに含まれる決定木の数。
- 決定木内の分割に使用する変数の数。
どちらの値を大きくしても補完モデルの精度が向上する可能性がありますが、その分実行時間も長くなります。この演習では、missForest() を biopics データに異なる設定で2回適用し、これらの考え方を実際に確かめましょう。指示に従いながら、出力されるエラーと実行にかかる時間に注目してください。
この演習はコースの一部です
R による欠損データの補完処理
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。
# Set number of trees to 5 and number of variables used for splitting to 2
imp_res <- missForest(biopics, ___ = ___, ___ = ___)
# Print the resulting imputation errors
print(___)