사용자 지정 튜닝으로 랜덤 포레스트 적합하기
이제 train() 함수가 제공하는 기본 튜닝 그리드를 살펴보셨으니, 모델을 좀 더 맞춤화해 보겠습니다.
mtry에는 2부터 데이터셋의 열 개수까지 원하는 값을 얼마든지 지정할 수 있어요. 실전에서는 mtry를 아주 크게 늘려도 성능 향상은 점점 줄어들기 때문에, 여기서는 간단한 두 가지 모델(mtry = 2, mtry = 3)과 조금 더 복잡한 하나의 모델(mtry = 7)을 탐색하는 사용자 지정 튜닝 그리드를 사용하겠습니다.
이 연습은 강의의 일부입니다
R의 caret로 배우는 Machine Learning
실습형 인터랙티브 연습
이 예제를 이 샘플 코드를 완성하여 풀어보세요.
# Define the tuning grid: tuneGrid
tuneGrid <- data.frame(
.mtry = ___,
.splitrule = "___",
.min.node.size = ___
)