ฝึก Random Forest ด้วย Tuning Grid แบบกำหนดเอง
หลังจากที่สำรวจ tuning grid เริ่มต้นที่ฟังก์ชัน train() จัดเตรียมไว้ให้แล้ว มาปรับแต่งโมเดลให้ละเอียดยิ่งขึ้นกัน
สามารถกำหนดค่าให้กับ mtry ได้หลายค่า ตั้งแต่ 2 จนถึงจำนวนคอลัมน์ทั้งหมดในชุดข้อมูล อย่างไรก็ตาม ในทางปฏิบัติ การเพิ่มค่า mtry มากเกินไปให้ผลที่ดีขึ้นน้อยมาก ดังนั้นเราจะใช้ tuning grid แบบกำหนดเองที่ครอบคลุมโมเดลแบบง่าย 2 แบบ (mtry = 2 และ mtry = 3) รวมถึงโมเดลที่ซับซ้อนกว่าอีก 1 แบบ (mtry = 7)
แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร
Machine Learning ด้วย caret ใน R
แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ
ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์
# Define the tuning grid: tuneGrid
tuneGrid <- data.frame(
.mtry = ___,
.splitrule = "___",
.min.node.size = ___
)