เริ่มต้นใช้งานเริ่มต้นใช้งานได้ฟรี

ปรับจูนโมเดล Random Forest

เมื่อสร้างโมเดล Logistic Regression ที่ใช้งานได้แล้ว ขั้นตอนต่อไปคือเตรียมโมเดล Random Forest เพื่อนำมาเปรียบเทียบกัน

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

Machine Learning ใน Tidyverse

ดูคอร์ส

คำแนะนำการฝึกหัด

  • ใช้ crossing() เพื่อขยายข้อมูล Cross-validation สำหรับค่า mtry โดยใช้ค่า 2, 4, 8 และ 16
  • สร้างโมเดล Random Forest สำหรับทุกการผสมระหว่าง Fold และ mtry

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

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)))
แก้ไขและรันโค้ด