ランダムフォレストモデルをチューニングする

ロジスティック回帰モデルが動くようになったので、比較のためにランダムフォレストモデルを用意しましょう。

この演習はコースの一部です

Tidyverse で学ぶ Machine Learning

演習の手順

crossing() を使って、mtry の値 2、4、8、16 を用いたクロスバリデーション用データを展開します。
各 fold と mtry の組み合わせに対して、ランダムフォレストモデルを構築します。

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。

library(ranger)

# Prepare for tuning your cross validation folds by varying mtry
cv_tune <- cv_data %>%
  crossing(mtry = c(___)) 

# Build a cross validation model for each fold & mtry combination
cv_models_rf <- cv_tune %>% 
  mutate(model = map2(___, ___, ~ranger(formula = Attrition~., 
                                           data = .x, mtry = .y,
                                           num.trees = 100, seed = 42)))

コードを編集して実行