Rastgele orman modellerini ayarla

Artık çalışan bir lojistik regresyon modelin olduğuna göre, onunla karşılaştırmak için bir rastgele orman modeli hazırlayacaksın.

Bu egzersiz

Tidyverse ile Machine Learning

kursunun bir parçasıdır

Kursu Görüntüle

Egzersiz talimatları

crossing() kullanarak, mtry için 2, 4, 8 ve 16 değerleriyle çapraz doğrulama verilerini genişlet.
Her bir fold/mtry birleşimi için rastgele orman modelleri oluştur.

Uygulamalı interaktif egzersiz

Bu örnek kodu tamamlayarak bu egzersizi bitirin.

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)))

Kodu Düzenle ve Çalıştır