Dostrajanie modelu

Świetnie! To była znacząca poprawa w stosunku do modelu regresji. Sprawdź teraz, czy uda ci się jeszcze bardziej zwiększyć tę wydajność, dostrajając modele lasu losowego. W tym celu zmienisz wartość parametru mtry podczas budowania modeli lasu losowego na danych train.

Domyślna wartość mtry w pakiecie ranger to zaokrąglony w dół pierwiastek kwadratowy z całkowitej liczby cech (6). Daje to wartość równą 2.

To ćwiczenie jest częścią kursu

Uczenie maszynowe w tidyverse

Zobacz kurs

Instrukcje do ćwiczenia

Użyj crossing(), aby rozszerzyć dane kroswalidacji dla wartości mtry od 2 do 5.
Zbuduj modele lasu losowego dla każdej kombinacji fold/mtry.

Interaktywne ćwiczenie praktyczne

Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.

# Prepare for tuning your cross validation folds by varying mtry
cv_tune <- cv_data %>% 
  crossing(mtry = ___:___) 

# Build a model for each fold & mtry combination
cv_model_tunerf <- cv_tune %>% 
  mutate(model = map2(.x = ___, .y = ___, ~ranger(formula = life_expectancy~., 
                                           data = .x, mtry = .y, 
                                           num.trees = 100, seed = 42)))

Edytuj i uruchom kod