Tente um comprimento de ajuste maior

Lembre do vídeo que modelos de random forest têm um parâmetro principal de ajuste, mtry, que controla quantas variáveis são expostas à rotina de busca de divisão a cada split. Por exemplo, suponha que uma árvore tenha um total de 10 splits e mtry = 2. Isso significa que há 10 amostragens de 2 preditores cada vez que um split é avaliado.

Use um grid de ajuste maior desta vez, mas mantenha os padrões fornecidos pela função train(). Tente um tuneLength de 3, em vez de 1, para explorar mais modelos potenciais, e plote o modelo resultante usando a função plot.

Este exercício faz parte do curso

Machine Learning com caret em R

Ver curso

Instruções do exercício

Treine um modelo de random forest, model, usando o conjunto wine para prever a variável quality, com todas as outras variáveis como explicativas. (Isso vai levar alguns segundos para rodar, então tenha paciência!)
Use method = "ranger".
Altere tuneLength para 3.
Use 5 dobras de CV.
Imprima model no console.
Plote o modelo após o ajuste.

Exercício interativo prático

Experimente este exercício completando este código de exemplo.

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

# Print model to console


# Plot model

Editar e executar o código