사용자 지정 trainControl로 random forest 학습
제가 좋아하는 모델 중 하나는 random forest입니다. 비선형 결정나무 여러 개를 앙상블로 결합해 유연하면서도(대개 매우 정확한) 모델을 만듭니다.
여기서는 고전적인 randomForest 패키지 대신 ranger 패키지를 사용합니다. ranger는 randomForest를 재구현한 것으로, 결과는 거의 동일하지만 더 빠르고, 안정적이며, 메모리도 적게 사용합니다. R에서 random forest 모델링을 시작할 때 강력히 추천드립니다.
이 연습은 강의의 일부입니다
R의 caret로 배우는 Machine Learning
연습 안내
churn_x와 churn_y가 작업 공간에 로드되어 있습니다.
- 이탈(churn) 데이터셋에 random forest 모델을 적합하세요. 이전과 같이
trainControl에는 반드시myControl을 사용하고,"ranger"메서드를 적용하세요.
실습형 인터랙티브 연습
이 예제를 이 샘플 코드를 완성하여 풀어보세요.
# Fit random forest: model_rf
model_rf <- train(
x = ___,
y = ___,
metric = "ROC",
method = ___,
trControl = ___
)