Dostrajanie modeli lasu losowego

Masz już działający model regresji logistycznej – czas przygotować model lasu losowego, aby móc je ze sobą porównać.

To ćwiczenie jest częścią kursu

Uczenie maszynowe w tidyverse

Instrukcje do ćwiczenia

Użyj funkcji crossing(), aby rozszerzyć dane kroswalidacyjne o wartości mtry: 2, 4, 8 i 16.
Zbuduj modele lasu losowego dla każdej kombinacji podziału i wartości mtry.

Interaktywne ćwiczenie praktyczne

Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.

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)))

Edytuj i uruchom kod