변수 중요도
배깅 트리는 결정 트리의 분산 문제를 극복하는 앙상블 모델이라는 것을 이미 알고 계시죠. 여기에 무작위 숲(random forest)은 각 트리에서 무작위로 선택한 일부 특성만 사용해 이를 한 단계 더 발전시킵니다. 이렇게 하면 앙상블 간 상관이 더 낮아져 예측 성능이 향상돼요.
이번 연습에서는 직접 random forest를 만들고 vip 패키지를 사용해 예측 변수의 중요도를 시각화해 보겠습니다. 학습 데이터 customers_train은 워크스페이스에 미리 로드되어 있습니다.
이 연습은 강의의 일부입니다
R로 배우는 트리 기반 Machine Learning
연습 안내
"ranger"엔진과"impurity"변수 중요도를 사용하는 random forest 분류 모델 사양인spec을 생성하세요.customers_train티블을 사용해 종속변수는still_customer, 나머지 모든 열을 예측 변수로 하여spec에 적합해model을 생성하세요.- 사전 로드되어 있지 않은
vip패키지의vip()함수를 사용해 변수 중요도를 시각화하세요.
실습형 인터랙티브 연습
이 예제를 이 샘플 코드를 완성하여 풀어보세요.
# Specify a random forest
spec <- ___ %>%
set_mode("classification") %>%
set_engine(___, importance = ___)
# Train the forest
model <- spec %>%
fit(___,
___)
# Plot the variable importance
vip::___(model)