カスタムチューニングでランダムフォレストを学習する

train() 関数が提供するデフォルトのチューニンググリッドを確認したので、ここからはモデルをもう少しカスタマイズしていきます。

mtry には、2 からデータセットの列数まで任意の数の値を指定できます。実務では、mtry を大きくしすぎても効果は逓減することが多いので、ここではシンプルな 2 つのモデル（mtry = 2 と mtry = 3）に加えて、もう少し複雑なモデル（mtry = 7）も試せるカスタムチューニンググリッドを使います。