Zacznij terazZacznij za darmo

Ważność zmiennych

Wiesz już, że drzewa pakowane (bagged trees) to model zespołowy, który rozwiązuje problem wariancji w drzewach decyzyjnych. Teraz dowiedziałeś się, że algorytm lasu losowego idzie o krok dalej – w każdym drzewie używa tylko losowego podzbioru cech. Dzięki temu drzewa w zespole są jeszcze bardziej niezależne od siebie, co przekłada się na lepszą skuteczność predykcyjną modelu.

W tym ćwiczeniu samodzielnie zbudujesz las losowy i zwizualizujesz ważność predyktorów za pomocą pakietu vip. Dane treningowe customers_train są już wczytane do środowiska.

To ćwiczenie jest częścią kursu

Uczenie maszynowe z modelami drzewiastymi w R

Zobacz kurs

Instrukcje do ćwiczenia

  • Utwórz spec – specyfikację klasyfikacyjnego modelu lasu losowego z silnikiem "ranger" i ważnością zmiennych "impurity".
  • Utwórz model, dopasowując tibble customers_train do spec – użyj still_customer jako zmiennej wynikowej, a wszystkich pozostałych kolumn jako predyktorów.
  • Zwizualizuj ważność zmiennych za pomocą funkcji vip() z pakietu vip (pakiet nie jest wczytany automatycznie).

Interaktywne ćwiczenie praktyczne

Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.

# Specify a random forest
spec <- ___ %>%
	set_mode("classification") %>%
    set_engine(___, importance = ___)

# Train the forest
model <- spec %>%
    fit(___,
        ___)

# Plot the variable importance
vip::___(model)
Edytuj i uruchom kod