랜덤 포레스트 모델 튜닝

로지스틱 회귀 모델을 완성했으니, 이제 비교할 랜덤 포레스트 모델을 준비해 봅시다.

이 연습은 강의의 일부입니다

Tidyverse로 배우는 Machine Learning

연습 안내

crossing()을 사용하여 mtry 값으로 2, 4, 8, 16을 지정하고 교차 검증 데이터를 확장하세요.
각 폴드(fold)와 mtry 조합에 대해 랜덤 포레스트 모델을 구축하세요.

실습형 인터랙티브 연습

이 예제를 이 샘플 코드를 완성하여 풀어보세요.

library(ranger)

# Prepare for tuning your cross validation folds by varying mtry
cv_tune <- cv_data %>%
  crossing(mtry = c(___)) 

# Build a cross validation model for each fold & mtry combination
cv_models_rf <- cv_tune %>% 
  mutate(model = map2(___, ___, ~ranger(formula = Attrition~., 
                                           data = .x, mtry = .y,
                                           num.trees = 100, seed = 42)))

코드 편집 및 실행