Ajustează fin modelul

Wow! A fost o îmbunătățire semnificativă față de un model de regresie. Acum să vedem dacă poți îmbunătăți și mai mult această performanță prin ajustarea fină a modelelor tale de pădure aleatorie. Pentru aceasta, vei varia parametrul mtry atunci când construiești modelele de pădure aleatorie pe datele de train.

Valoarea implicită a parametrului mtry pentru ranger este rădăcina pătrată rotunjită în jos a numărului total de caracteristici (6). Aceasta rezultă într-o valoare de 2.

Acest exercițiu face parte din cursul

Machine Learning în Tidyverse

Vezi cursul

Instrucțiuni pentru exercițiu

Folosește crossing() pentru a extinde datele de validare încrucișată pentru valorile parametrului mtry cuprinse între 2 și 5.
Construiește modele de pădure aleatorie pentru fiecare combinație de fold/mtry.

Exercițiu interactiv practic

Încearcă acest exercițiu completând acest cod de exemplu.

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

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

Editează și rulează codul