1. Nauka
    2. /
  2. Kursy
    3. /
  3. Uczenie maszynowe z caret w R
Connected

ćwiczenie

Dopasuj las losowy

Jak widziałeś w filmie, modele lasów losowych są znacznie bardziej elastyczne niż modele liniowe – potrafią modelować skomplikowane efekty nieliniowe i automatycznie wykrywać interakcje między zmiennymi. Zazwyczaj dają bardzo dobre wyniki na rzeczywistych danych, więc wypróbujmy jeden z nich na zbiorze danych dotyczącym jakości wina. Celem jest przewidzenie oceny jakości partii wina wystawionej przez człowieka na podstawie zmierzonych maszynowo właściwości chemicznych i fizycznych tej partii.

Dopasowanie modelu lasu losowego wygląda dokładnie tak samo jak dopasowanie uogólnionego modelu regresji liniowej z poprzedniego rozdziału. Wystarczy zmienić argument method w funkcji train na "ranger". Pakiet ranger to przepisana wersja klasycznego pakietu randomForest dla R – dopasowuje modele znacznie szybciej, dając niemal identyczne wyniki. Wszystkim początkującym zalecamy korzystanie z pakietu ranger do modelowania lasów losowych.

Instrukcje

100 XP
  • Wytrenuj las losowy o nazwie model na zbiorze danych o jakości wina, wine, tak aby quality była zmienną odpowiedzi, a wszystkie pozostałe zmienne – zmiennymi objaśniającymi.
  • Użyj method = "ranger".
  • Ustaw tuneLength na 1.
  • Użyj 5 foldów kroswalidacji.
  • Wyświetl model w konsoli.