嘗試更長的調參長度
回想影片內容，隨機森林模型的主要調參參數是 mtry，它控制每次節點分裂時，提供給分裂搜尋程序的變數數量。舉例來說，假設一棵樹總共有 10 次分裂，且 mtry = 2。這代表每次評估分裂時，會有 10 組、每組 2 個預測變數的抽樣。
這次請使用較大的調參網格，但仍採用 train() 函式提供的預設。把 tuneLength 從 1 改為 3，以探索更多可能的模型，並使用 plot 函式將訓練後的模型視覺化。
本練習屬於課程
使用 R 的 caret 進行 Machine Learning
練習說明
- 使用
wine資料集，以quality為應變數、其他變數為解釋變數，訓練一個隨機森林模型model。（執行會花上幾秒鐘，請耐心等候！） - 使用
method = "ranger"。 - 將
tuneLength改為 3。 - 使用 5 折交叉驗證（CV）。
- 在主控台列印
model。 - 擬合完成後繪製此模型。
動手互動練習
試著完成這個範例程式碼，體驗一下這個練習。
# Fit random forest: model
model <- train(
___,
tuneLength = 1,
data = ___,
method = ___,
trControl = trainControl(
method = "cv",
number = ___,
verboseIter = TRUE
)
)
# Print model to console
# Plot model