以自訂調參擬合隨機森林
既然你已經探索過 train() 提供的預設調參網格,現在來再多客製化一點模型吧。
你可以為 mtry 提供任意多個數值,從 2 一直到資料集的欄數。實務上,mtry 設得很大時效益會遞減,所以你將使用一個自訂的調參網格,同時探索 2 個較簡單的模型(mtry = 2 與 mtry = 3)以及 1 個較複雜的模型(mtry = 7)。
本練習屬於課程
使用 R 的 caret 進行 Machine Learning
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。
# Define the tuning grid: tuneGrid
tuneGrid <- data.frame(
.mtry = ___,
.splitrule = "___",
.min.node.size = ___
)