Tinh chỉnh mô hình của bạn
Tuyệt vời! Đó là một cải thiện đáng kể so với mô hình hồi quy. Giờ hãy xem bạn có thể cải thiện thêm hiệu suất bằng cách tinh chỉnh các mô hình random forest hay không. Để làm điều này, bạn sẽ thay đổi tham số mtry khi xây dựng các mô hình random forest trên dữ liệu train của bạn.
Giá trị mặc định của mtry trong ranger là căn bậc hai làm tròn xuống của tổng số đặc trưng (6). Điều này cho ra giá trị là 2.
Bài tập này là một phần của khóa học
Machine Learning trong tidyverse
Hướng dẫn bài tập
- Dùng
crossing()để mở rộng dữ liệu cross validation cho các giá trịmtrytừ 2 đến 5. - Xây dựng các mô hình random forest cho từng tổ hợp fold/mtry.
Bài tập tương tác thực hành trực tiếp
Hãy thử làm bài tập này bằng cách hoàn thành đoạn mã mẫu này.
# Prepare for tuning your cross validation folds by varying mtry
cv_tune <- cv_data %>%
crossing(mtry = ___:___)
# Build a model for each fold & mtry combination
cv_model_tunerf <- cv_tune %>%
mutate(model = map2(.x = ___, .y = ___, ~ranger(formula = life_expectancy~.,
data = .x, mtry = .y,
num.trees = 100, seed = 42)))