BaşlayınÜcretsiz Başlayın

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

R ile caret kullanarak Machine Learning

kursunun bir parçasıdır
Kursu Görüntüle

Egzersiz talimatları

churn_x ve churn_y çalışma alanına yüklü.

  • Churn veri kümesine bir random forest modeli kur. Daha önce yaptığın gibi trainControl olarak mutlaka myControl kullan ve "ranger" yöntemini uygula.

Uygulamalı interaktif egzersiz

Bu örnek kodu tamamlayarak bu egzersizi bitirin.

# Fit random forest: model_rf
model_rf <- train(
  x = ___, 
  y = ___,
  metric = "ROC",
  method = ___,
  trControl = ___
)
Kodu Düzenle ve Çalıştır