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

演習

より長いチューニング長を試す

動画で学んだとおり、ランダムフォレストモデルの主なチューニングパラメータは mtry で、各分割ごとに分割探索ルーチンに公開される変数の数を制御します。たとえば、木に合計10個の分割があり、mtry = 2 だとします。これは、各分割の評価時に2つの予測子のサンプルが10回行われることを意味します。

今回はより大きなチューニンググリッドを使いますが、train() 関数が提供するデフォルトに沿って進めましょう。より多くの候補モデルを探索するために、tuneLength を 1 ではなく 3 にしてみてください。結果のモデルは plot 関数で可視化します。

指示

100 XP
  • wine データセットを使い、目的変数を quality、その他すべての変数を説明変数として、ランダムフォレストモデル model を学習します。（数秒かかります。少しお待ちください。）
  • method = "ranger" を使用します。
  • tuneLength を 3 に変更します。
  • 5 分割のCVを使用します。
  • model をコンソールに出力します。
  • 学習後にモデルをプロットします。