Budowanie modelu lasu losowego
Choć las może zawierać setki drzew, zbudowanie lasu drzew decyzyjnych jest w praktyce nawet prostsze niż stworzenie jednego starannie dostrojonego drzewa.
Korzystając z pakietu randomForest, zbuduj las losowy i sprawdź, jak wypada w porównaniu z pojedynczymi drzewami, które tworzyłeś wcześniej.
Zbiory danych loans_train i loans_test są już wczytane.
Pamiętaj, że ze względu na losowy charakter lasu wyniki mogą się nieznacznie różnić przy każdym jego tworzeniu.
To ćwiczenie jest częścią kursu
Nadzorowane uczenie maszynowe w R: Klasyfikacja
Instrukcje do ćwiczenia
- Wczytaj pakiet
randomForest. - Zbuduj model lasu losowego, używając wszystkich zmiennych z wniosków kredytowych. Funkcja
randomForestrównież korzysta z interfejsu formuły. - Oblicz dokładność modelu lasu losowego za pomocą
predict()imean(), aby porównać ją z dokładnością oryginalnego drzewa wynoszącą 57,6%.
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
# Load the randomForest package
___
# Build a random forest model
loan_model <- ___(___, data = ___)
# Compute the accuracy of the random forest
loans_test$pred <- ___
mean(___)