Random forest-modellen afstemmen

Nu je een werkend logistiek regressiemodel hebt, ga je een random forest-model voorbereiden om ermee te vergelijken.

Deze oefening maakt deel uit van de cursus

Machine Learning in de tidyverse

Oefeninstructies

Gebruik crossing() om de cross-validatiegegevens uit te breiden voor waarden van mtry met de waarden 2, 4, 8 en 16.
Bouw random forest-modellen voor elke combinatie van fold/mtry.

Praktische interactieve oefening

Probeer deze oefening eens door deze voorbeeldcode in te vullen.

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)))

Code bewerken en uitvoeren