Machine Learning com modelos baseados em árvores em R
Sandro Raabe
Data Scientist
ranger, randomForesttidymodels para esses pacotes: rand_forest() (no pacote parsnip)
rand_forest()Hiperparâmetros:
mtry: preditores vistos em cada nó, padrão:trees: número de árvores na floresta min_n: menor tamanho de nó permitidorand_forest(mtry = 4,trees = 500,min_n = 10) %>%# Definir o modo set_mode("classification") %>%# Usar engine ranger ou randomForest set_engine("ranger")
spec <- rand_forest(trees = 100) %>%set_mode("classification") %>%set_engine("ranger")
Especificação do modelo Random Forest(classification)Argumentos principais: trees = 100Engine computacional: ranger
spec %>% fit(still_customer ~ ., data = customers_train)
objeto de modelo parsnip
Tempo de ajuste: 631ms
Resultado do Ranger
Número de árvores: 100
Tamanho da amostra: 9116
Número de variáveis independentes: 19
Mtry: 4
Tamanho alvo do nó: 10
rand_forest(mode = "classification") %>% set_engine("ranger", importance = "impurity") %>%fit(still_customer ~ ., data = customers_train) %>%vip::vip()

Machine Learning com modelos baseados em árvores em R