1. 学ぶ
    2. /
  2. コース
    3. /
  3. Rで学ぶ caret を使った Machine Learning
Connected

演習

ランダムフォレストを当てはめる

動画で見たとおり、ランダムフォレストは線形モデルよりずっと柔軟で、複雑な非線形効果を表現できるうえ、変数間の相互作用も自動で捉えられます。実データでとても良い結果を出しやすいので、ワイン品質データセットで試してみましょう。目的は、機械で測定した化学的・物理的特性から、同じバッチのワインに対する人手の品質評価を予測することです。

ランダムフォレストの学習手順は、前の章で行った一般化線形回帰モデルとまったく同じです。train 関数の method 引数を "ranger" に変えるだけです。ranger パッケージは、R の古典的な randomForest パッケージを書き直したもので、学習がはるかに高速ですが、結果はほぼ同じです。ランダムフォレストのモデリングには、初心者の方は ranger パッケージを使うことをおすすめします。

指示

100 XP
  • ワイン品質データセット wine に対して、quality を目的変数、その他すべてを説明変数として、ランダムフォレスト model を学習してください。
  • method = "ranger" を使用します。
  • tuneLength は 1 にします。
  • 5 分割の CV を使います。
  • model をコンソールに出力してください。