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

演習

ランダムフォレストモデルを構築する

ここでは、同じクロスバリデーションデータを使って、各分割についてランダムフォレストを構築（train を使用）し、評価（validate を使用）します。回帰モデルと同じクロスバリデーション分割を使うので、2つのモデルの性能を直接比較できます。

Note: 計算時間を適切に保つため、ランダムフォレストの木の数は100本に制限します。ranger() のデフォルトの木の数は500本です。

指示

100 XP
  • 各クロスバリデーション分割について、train に含まれるすべての特徴量を用いて life_expectancy を予測するランダムフォレストを ranger() で構築してください。
  • 直前に作成したランダムフォレストモデルを使って、validate の観測に対する life_expectancy の予測値を格納する新しい列 validate_predicted を追加してください。