Random forest із власним trainControl
Ще одна з моїх улюблених моделей — random forest. Вона поєднує ансамбль нелінійних дерев рішень у дуже гнучку (і зазвичай доволі точну) модель.
Замість класичного пакета randomForest ви використаєте пакет ranger — це перевтілення randomForest, яке дає майже ті самі результати, але працює швидше, стабільніше й споживає менше пам'яті. Дуже раджу починати моделювання random forest в R саме з нього.
Ця вправа є частиною курсу
Machine Learning з пакетом caret в R
Інструкції до вправи
churn_x і churn_y вже завантажені у ваш робочий простір.
- Навчіть модель random forest на наборі даних churn. Обов'язково використайте
myControlякtrainControl, як ви робили раніше, і задайте метод"ranger".
Інтерактивна практична вправа
Спробуйте виконати цю вправу, доповнивши цей зразок коду.
# Fit random forest: model_rf
model_rf <- train(
x = ___,
y = ___,
metric = "ROC",
method = ___,
trControl = ___
)