Спробуйте більшу довжину налаштування

Пригадайте з відео: у моделей випадкового лісу головний параметр налаштування — це mtry, який визначає, скільки змінних подається на процедуру пошуку розщеплень на кожному кроці. Наприклад, припустімо, що дерево має загалом 10 розщеплень і mtry = 2. Це означає, що під час кожної оцінки розщеплення беруться 10 вибірок по 2 предиктори.

Цього разу використайте більшу сітку налаштування, але залиштеся в межах значень за замовчуванням, які пропонує функція train(). Спробуйте tuneLength рівним 3, а не 1, щоб дослідити більше потенційних моделей, і побудуйте графік отриманої моделі за допомогою функції plot.

Ця вправа є частиною курсу

Machine Learning з пакетом caret в R

Переглянути курс

Інструкції до вправи

Навчіть модель випадкового лісу model, використовуючи набір wine, де ціль — змінна quality, а всі інші змінні — пояснювальні. (Виконання триватиме кілька секунд, запастіться терпінням!)
Використайте method = "ranger".
Змініть tuneLength на 3.
Задайте 5 складок CV.
Виведіть model у консоль.
Побудуйте графік моделі після її навчання.

Інтерактивна практична вправа

Спробуйте виконати цю вправу, доповнивши цей зразок коду.

# Fit random forest: model
model <- train(
  ___,
  tuneLength = 1,
  data = ___, 
  method = ___,
  trControl = trainControl(
    method = "cv", 
    number = ___, 
    verboseIter = TRUE
  )
)

# Print model to console


# Plot model

Редагувати та запускати код