ปรับจูนโมเดล Random Forest
เมื่อสร้างโมเดล Logistic Regression ที่ใช้งานได้แล้ว ขั้นตอนต่อไปคือเตรียมโมเดล Random Forest เพื่อนำมาเปรียบเทียบกัน
แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร
Machine Learning ใน Tidyverse
คำแนะนำการฝึกหัด
- ใช้
crossing()เพื่อขยายข้อมูล Cross-validation สำหรับค่าmtryโดยใช้ค่า 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)))