随机森林：建模
与梯度提升树类似，随机森林也是一种「集成模型」。也就是说，它会使用许多较简单的模型（同样是决策树），再将它们组合为一个效果更好的模型。随机森林不是迭代地运行同一个模型，而是并行地运行许多相互独立的模型，每个模型都基于随机抽取的数据子集，并只使用随机抽取的特征子集。然后，最终的决策树通过聚合各个子模型的结果来给出预测。
sparklyr 的随机森林函数是 ml_random_forest()。它的用法与 ml_gradient_boosted_trees() 完全相同（语法可参见本章第一个练习的回顾）。
本练习是课程的一部分
R 中使用 sparklyr 的 Spark 入门
练习说明
已为您创建名为 spark_conn 的 Spark 连接。附加到存储于 Spark 中的合并且已筛选的曲目元数据/音色数据的 tibble 已预定义为 track_data_to_model_tbl。
- 请使用随机森林模型重复年份预测分析。
- 从
track_data_to_model_tbl中获取timbre列，并将结果赋给feature_colnames。 - 使用
reformulate()为模型创建公式。 - 运行随机森林模型，并将结果赋给
random_forest_model。
- 从
交互式实操练习
通过完成这段示例代码来试试这个练习。
# track_data_to_model_tbl has been pre-defined
track_data_to_model_tbl
# Get the timbre columns
feature_colnames <- ___
# Create the formula for the model
year_formula <- ___
# Run the random forest model
random_forest_model <- ___