為梯度提升機選出合適的樹數

在這個練習中，你將準備建立一個梯度提升模型，根據天氣、日間時段與型態來預測每小時租借腳踏車的數量。你會使用 7 月份的資料來訓練模型。

7 月份的資料已預先載入。請記得 bikesJuly.treat 已經不含輸出欄位，因此你需要從未處理的資料取得它：bikesJuly$cnt。

你將使用 xgboost 套件來訓練隨機森林模型。xgb.cv()（docs）函式會在每加入一棵新樹時，透過交叉驗證估計樣本外學習誤差。最終模型要使用的合適樹數，是使保留集 RMSE 最小的那個數量。

在本練習中，呼叫 xgb.cv() 的關鍵引數為：

data：數值矩陣。
label：輸出結果向量（也是數值）。
nrounds：最大迭代輪數（要建的樹數）。
nfold：交叉驗證的摺數。5 是不錯的選擇。
objective：連續型輸出使用 "reg:squarederror"。
eta：學習率。
max_depth：樹的最大深度。
early_stopping_rounds：若連續此輪數沒有改進就停止。
verbose：設為 FALSE 以保持安靜。

本練習屬於課程

R 中的監督式學習：回歸

檢視課程

練習說明

填入空格，對經處理的訓練資料執行 xgb.cv()；將結果指定給變數 cv。
- 使用 as.matrix() 將已處理的資料框轉為矩陣。
- 使用 50 輪，並進行 5 摺交叉驗證。
- 將 early_stopping_rounds 設為 5。
- 將 eta 設為 0.75、max_depth 設為 5。
從 cv 取得資料框 evaluation_log，並指定給變數 elog。evaluation_log 的每一列都對應到多一棵樹，因此列號就代表模型中的樹數。
填入空格以取得在 train_rmse_mean 與 test_rmse_mean 欄位中最小值所對應的樹數。
- which.min()（docs）會回傳向量中最小值的索引。
- 你需要多少棵樹？

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。

# Run xgb.cv
cv <- xgb.cv(data = ____, 
            label = ___,
            nrounds = ___,
            nfold = ___,
            objective = "reg:squarederror",
            eta = ___,
            max_depth = ___,
            early_stopping_rounds = ___,
            verbose = FALSE   # silent
)

# Get the evaluation log 
elog <- ___

# Determine and print how many trees minimize training and test error
elog %>% 
   summarize(ntrees.train = ___,   # find the index of min(train_rmse_mean)
             ntrees.test  = ___)   # find the index of min(test_rmse_mean)

編輯並執行程式碼