Random Forest: 모델링
Gradient boosted trees와 마찬가지로, random forests 역시 또 다른 형태의 ensemble model입니다. 즉, 여러 개의 더 단순한 모델(여기서는 다시 결정 트리)을 사용하고, 이를 결합해 더 나은 하나의 모델을 만듭니다. 동일한 모델을 반복적으로 학습시키는 대신, random forests는 데이터의 무작위 하위 집합과 특징의 무작위 하위 집합 각각에 대해 많은 개별 모델을 병렬로 학습합니다. 그런 다음 최종 결정 트리는 개별 모델의 결과를 집계하여 예측을 수행합니다.
sparklyr의 random forest 함수는 ml_random_forest()입니다. 사용 방법은 ml_gradient_boosted_trees()와 완전히 동일합니다(문법이 기억나지 않으면 이 장의 첫 번째 연습 문제를 참고하세요).
이 연습은 강의의 일부입니다
R에서 sparklyr로 시작하는 Spark
연습 안내
spark_conn이라는 Spark 연결이 준비되어 있습니다. Spark에 저장된 트랙 메타데이터와 timbre 데이터를 결합·필터링해 만든 티블이 track_data_to_model_tbl로 미리 정의되어 있습니다.
- 이번에는 random forest 모델을 사용해 연도 예측 분석을 다시 수행해 보세요.
track_data_to_model_tbl에서timbre열들의 이름을 가져와feature_colnames에 할당하세요.reformulate()를 사용해 모델 formula를 생성하세요.- random forest 모델을 실행하고 결과를
random_forest_model에 할당하세요.
실습형 인터랙티브 연습
이 예제를 이 샘플 코드를 완성하여 풀어보세요.
# track_data_to_model_tbl has been pre-defined
track_data_to_model_tbl
# Get the timbre columns
feature_colnames <- ___
# Create the formula for the model
year_formula <- ___
# Run the random forest model
random_forest_model <- ___