Ajustar modelos de random forest

Agora que você tem um modelo de regressão logística funcionando, vai preparar um modelo de random forest para compará-lo.

Este exercicio faz parte do curso

Machine Learning no tidyverse

Ver curso

Instruções do exercicio

Use crossing() para expandir os dados de validação cruzada para valores de mtry, usando 2, 4, 8 e 16.
Construa modelos de random forest para cada combinação de fold/mtry.

exercicio interativo prático

Tente este exercicio completando este código de exemplo.

library(ranger)

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

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

Editar e Executar Código