Wypróbuj dłuższą siatkę strojenia

Przypomnij sobie z materiału wideo, że modele lasu losowego mają główny parametr strojenia mtry, który kontroluje, ile zmiennych jest branych pod uwagę przy każdym podziale w drzewie. Na przykład, jeśli drzewo ma łącznie 10 podziałów i mtry = 2, oznacza to, że za każdym razem losowane są 2 predyktory spośród wszystkich dostępnych.

Tym razem użyj większej siatki strojenia, korzystając z wartości domyślnych funkcji train(). Ustaw tuneLength na 3 zamiast 1, aby przeszukać więcej potencjalnych modeli, a następnie zwizualizuj wynikowy model za pomocą funkcji plot.

To ćwiczenie jest częścią kursu

Uczenie maszynowe z caret w R

Zobacz kurs

Instrukcje do ćwiczenia

Wytrenuj model lasu losowego model na zbiorze danych wine, przewidując zmienną quality na podstawie wszystkich pozostałych zmiennych. (Trening może potrwać kilka sekund – uzbrój się w cierpliwość!)
Użyj method = "ranger".
Ustaw tuneLength na 3.
Zastosuj 5-krotną walidację krzyżową.
Wyświetl model model w konsoli.
Narysuj wykres modelu po jego dopasowaniu.

Interaktywne ćwiczenie praktyczne

Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.

# Fit random forest: model
model <- train(
  ___,
  tuneLength = 1,
  data = ___, 
  method = ___,
  trControl = trainControl(
    method = "cv", 
    number = ___, 
    verboseIter = TRUE
  )
)

# Print model to console


# Plot model

Edytuj i uruchom kod