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。
この演習はコースの一部です
Rで学ぶ caret を使った Machine Learning
演習の手順
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。
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。
# Fit random forest: model
model <- train(
___,
tuneLength = 1,
data = ___,
method = ___,
trControl = trainControl(
method = "cv",
number = ___,
verboseIter = TRUE
)
)
# Print model to console
# Plot model