Memperkenalkan kembali random forest

Machine Learning dengan caret di R

Zach Mayer

Data Scientist at DataRobot and co-author of caret

Ulasan random forest

  • Lebih lambat dilatih dibanding glmnet
  • Kurang mudah diinterpretasi
  • Sering (tidak selalu) lebih akurat daripada glmnet
  • Lebih mudah dituning
  • Butuh prapemrosesan minimal
  • Menangkap efek ambang dan interaksi variabel
Machine Learning dengan caret di R

Random forest pada data churn

set.seed(42)
churnTrain$churn <- factor(
  churnTrain$churn, levels = c("no", "yes")
)

model_rf <- train(
  churn ~ ., 
  churnTrain,
  metric = "ROC",
  method = "ranger", 
  trControl = myControl
)
Machine Learning dengan caret di R

Random forest pada data churn

plot(model_rf)

Gambar tempel-1261.png

Machine Learning dengan caret di R

Ayo berlatih!

Machine Learning dengan caret di R

Preparing Video For Download...