使用自訂 trainControl 的隨機森林

我另一個很喜歡的模型是隨機森林。它把多棵非線性的決策樹組成一個集成，形成高度彈性（而且通常相當準確）的模型。

這裡你不會用經典的 randomForest 套件，而是要用 ranger 套件。ranger 是 randomForest 的重新實作，結果幾乎一樣，但更快、更穩定、也更省記憶體。我非常推薦把它當作在 R 中進行隨機森林建模的起點。

本練習屬於課程

使用 R 的 caret 進行 Machine Learning

churn_x 和 churn_y 已載入到你的工作環境中。

對 churn 資料集擬合一個隨機森林模型。記得像先前一樣把 myControl 指定為 trainControl，並使用 "ranger" 作為 method。

試著完成這個範例程式碼，體驗一下這個練習。

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