为梯度提升机选择合适的树数量

在本练习中，您将准备构建一个梯度提升模型，用天气、类型和时间等因素来预测每小时租出的自行车数量。您将使用 7 月的数据来训练模型。

7 月的数据已预加载。请注意，bikesJuly.treat 已不再包含结果列，因此需要从未处理的数据中获取：bikesJuly$cnt。

您将使用 xgboost 包来拟合随机森林模型。函数 xgb.cv()（文档）会在每次向模型添加新树时，使用交叉验证估计样本外的学习误差。最终模型中应使用的合适树数量，是使留出集 RMSE 最小的那个数。

在本练习中，xgb.cv() 的关键参数包括：

data：数值型矩阵。
label：结果向量（也是数值型）。
nrounds：最大轮数（要构建的树数量上限）。
nfold：交叉验证的折数。5 是一个合适的取值。
objective：连续型结果使用 "reg:squarederror"。
eta：学习率。
max_depth：树的最大深度。
early_stopping_rounds：若连续若干轮无改进，则停止。
verbose：设为 FALSE 以保持静默输出。

本练习是课程的一部分

R 中的监督学习：回归

查看课程

练习说明

填空以在处理后的训练数据上运行 xgb.cv()；将输出赋给变量 cv。
- 使用 as.matrix() 将已处理的数据框转换为矩阵。
- 使用 50 轮，5 折交叉验证。
- 将 early_stopping_rounds 设为 5。
- 将 eta 设为 0.75，max_depth 设为 5。
从 cv 中获取数据框 evaluation_log 并赋值给变量 elog。evaluation_log 的每一行对应一棵新增的树，因此行号就是模型中的树数。
填空以获取在列 train_rmse_mean 和 test_rmse_mean 上取最小值所对应的树数量。
- which.min()（文档）返回向量中最小值的索引。
- 需要多少棵树？

交互式实操练习

通过完成这段示例代码来试试这个练习。

# 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)

编辑并运行代码