Încearcă o lungime mai mare a grilei de reglaj

Reamintește-ți din video că modelele random forest au un parametru principal de reglaj, mtry, care controlează câte variabile sunt expuse rutinei de căutare a împărțirilor la fiecare nod. De exemplu, să presupunem că un arbore are 10 împărțiri și mtry = 2. Asta înseamnă că, la fiecare evaluare a unei împărțiri, se selectează câte un eșantion de 2 predictori.

De această dată, folosește o grilă de reglaj mai mare, dar păstrează valorile implicite furnizate de funcția train(). Setează tuneLength la 3, în loc de 1, pentru a explora mai multe modele potențiale, apoi vizualizează modelul rezultat folosind funcția plot.

Acest exercițiu face parte din cursul

Machine Learning cu caret în R

Vezi cursul

Instrucțiuni pentru exercițiu

Antrenează un model random forest, model, folosind setul de date wine pe variabila quality, cu toate celelalte variabile ca variabile explicative. (Rularea va dura câteva secunde, așa că ai răbdare!)
Folosește method = "ranger".
Modifică tuneLength la 3.
Folosește 5 fold-uri de validare încrucișată.
Afișează model în consolă.
Vizualizează modelul după ce l-ai antrenat.

Exercițiu interactiv practic

Încearcă acest exercițiu completând acest cod de exemplu.

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

# Print model to console


# Plot model

Editează și rulează codul