使用自定义调参来拟合随机森林
既然您已经了解了 train() 函数提供的默认调参网格,下面进一步自定义模型。
您可以为 mtry 提供任意数量的取值,从 2 到数据集的列数不等。实际中,mtry 过大往往收益递减,因此本题将使用一个自定义调参网格,同时探索 2 个较简单的模型(mtry = 2 和 mtry = 3)以及 1 个更复杂的模型(mtry = 7)。
本练习是课程的一部分
在 R 中使用 caret 的机器学习
交互式实操练习
通过完成这段示例代码来试试这个练习。
# Define the tuning grid: tuneGrid
tuneGrid <- data.frame(
.mtry = ___,
.splitrule = "___",
.min.node.size = ___
)