Rastgele orman modellerini ayarla
Artık çalışan bir lojistik regresyon modelin olduğuna göre, onunla karşılaştırmak için bir rastgele orman modeli hazırlayacaksın.
Bu egzersiz, kursun bir parçasıdır
Tidyverse ile Machine Learning
Egzersiz talimatları
crossing()kullanarak,mtryiçin 2, 4, 8 ve 16 değerleriyle çapraz doğrulama verilerini genişlet.- Her bir fold/mtry birleşimi için rastgele orman modelleri oluştur.
Uygulamalı etkileşimli egzersiz
Bu egzersizi bu örnek kodu tamamlayarak deneyin.
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)))