Özel trainControl ile random forest
Bir diğer favori modelim de random forest; doğrusal olmayan karar ağaçlarının bir topluluğunu bir araya getirerek oldukça esnek (ve genellikle oldukça isabetli) bir model oluşturur.
Klasik randomForest paketi yerine, randomForest'ın yeniden uygulaması olan ranger paketini kullanacaksın. Neredeyse aynı sonuçları üretir, ancak daha hızlıdır, daha kararlıdır ve daha az bellek kullanır. R'de random forest modellemeye başlamak için şiddetle tavsiye ederim.
Bu egzersiz, kursun bir parçasıdır
R ile caret kullanarak Machine Learning
Egzersiz talimatları
churn_x ve churn_y çalışma alanına yüklü.
- Churn veri kümesine bir random forest modeli kur. Daha önce yaptığın gibi
trainContrololarak mutlakamyControlkullan ve"ranger"yöntemini uygula.
Uygulamalı etkileşimli egzersiz
Bu egzersizi bu örnek kodu tamamlayarak deneyin.
# Fit random forest: model_rf
model_rf <- train(
x = ___,
y = ___,
metric = "ROC",
method = ___,
trControl = ___
)