Esplora uno spazio di modelli più ampio

Machine Learning con caret in R

Zach Mayer

Data Scientist at DataRobot and co-author of caret

I random forest richiedono tuning

  • Gli iperparametri controllano come si adatta il modello
  • Scelti "a mano" prima del fitting
  • Il più importante è mtry
    • Numero di variabili scelte a caso a ogni split
  • Valore basso = più casualità
  • Valore alto = meno casualità
  • Difficile sapere prima qual è il valore migliore
Machine Learning con caret in R

Esempio: dati sonar

  • Argomento tuneLength di caret::train()
  • Indica a caret quante varianti provare
# Load some data
library(caret)
library(mlbench)
data(Sonar)

# Fit a model with a deeper tuning grid
model <- train(
  Class ~ ., 
  data = Sonar, 
  method = "ranger", 
  tuneLength = 10
)

# Plot the results
plot(model)
Machine Learning con caret in R

Traccia i risultati

Il grafico mostra l'accuratezza bootstrap rispetto al numero di parametri scelti casualmente. Sale fino a un picco intorno a x = 14, poi cala rapidamente.

Machine Learning con caret in R

Passiamo alla pratica !

Machine Learning con caret in R

Preparing Video For Download...