เริ่มต้นใช้งานเริ่มต้นใช้งานได้ฟรี

ลองใช้ tune length ที่ยาวขึ้น

จากที่ได้เรียนในวิดีโอ โมเดล random forest มีพารามิเตอร์หลักสำหรับการปรับแต่งคือ mtry ซึ่งควบคุมจำนวนตัวแปรที่เปิดให้อัลกอริทึมค้นหาเพื่อแบ่งสาขาในแต่ละครั้ง ตัวอย่างเช่น หากต้นไม้มีการแบ่งทั้งหมด 10 ครั้ง และ mtry = 2 หมายความว่าแต่ละครั้งที่ประเมินการแบ่งสาขา จะสุ่มเลือกตัวทำนาย 2 ตัวจากทั้งหมด

คราวนี้ให้ใช้กริดการปรับแต่งที่ใหญ่ขึ้น แต่ยังคงใช้ค่าดีฟอลต์ที่ฟังก์ชัน train() กำหนดไว้ ลองตั้ง tuneLength เป็น 3 แทนที่จะเป็น 1 เพื่อสำรวจโมเดลที่เป็นไปได้เพิ่มเติม แล้วพล็อตโมเดลที่ได้ด้วยฟังก์ชัน plot

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

Machine Learning ด้วย caret ใน R

ดูคอร์ส

คำแนะนำการฝึกหัด

  • เทรนโมเดล random forest ชื่อ model โดยใช้ชุดข้อมูล wine โดยมี quality เป็นตัวแปรเป้าหมาย และใช้ตัวแปรอื่นทั้งหมดเป็นตัวแปรอธิบาย (การรันอาจใช้เวลาสักครู่ โปรดรอสักครู่)
  • ใช้ method = "ranger"
  • เปลี่ยน tuneLength เป็น 3
  • ใช้ CV จำนวน 5 fold
  • แสดงผล model ที่คอนโซล
  • พล็อตโมเดลหลังจากฟิตเสร็จแล้ว

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

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

# Print model to console


# Plot model
แก้ไขและรันโค้ด