1. 学ぶ
    2. /
  2. コース
    3. /
  3. Tidyverse で学ぶ Machine Learning
Connected

演習

モデルを微調整しましょう

すごいですね！回帰モデルから大きく改善できました。ここからは、ランダムフォレストモデルを微調整して、さらに性能を高められるか試してみましょう。そのために、train データでランダムフォレストモデルを構築する際に、mtry パラメーターを変化させます。

ranger における mtry のデフォルト値は、特徴量の総数（6）の平方根を切り捨てた値です。したがって、2 になります。

指示

100 XP
  • crossing() を使って、mtry の値が 2 から 5 の範囲になるように、クロスバリデーション用データを展開します。
  • 各 fold/mtry の組み合わせごとにランダムフォレストモデルを構築します。