Hız-doğruluk dengesi
Son videoda, random forest'ların performansını etkileyen iki ayarı değiştirebileceğini gördün:
- Her ormandaki karar ağacı sayısı.
- Karar ağaçlarında bölme için kullanılan değişken sayısı.
Bunların her birini artırmak, atama (imputation) modelinin doğruluğunu yükseltebilir; ancak çalıştırma süresini de uzatır. Bu egzersizde, missForest() fonksiyonunu biopics verisine iki farklı ayarla uygulayarak bu fikirleri kendin keşfedeceksin. Talimatları izlerken, yazdıracağın hatalara ve kodun çalışmasının ne kadar sürdüğüne dikkat et.
Bu egzersiz, kursun bir parçasıdır
R'de Atamaya Dayalı Eksik Veri Doldurma
Uygulamalı etkileşimli egzersiz
Bu egzersizi bu örnek kodu tamamlayarak deneyin.
# Set number of trees to 5 and number of variables used for splitting to 2
imp_res <- missForest(biopics, ___ = ___, ___ = ___)
# Print the resulting imputation errors
print(___)