더 넓은 모델 공간 탐색

R의 caret로 배우는 Machine Learning

Zach Mayer

Data Scientist at DataRobot and co-author of caret

랜덤 포레스트는 튜닝이 필요합니다

  • 하이퍼파라미터는 모델 적합 방식을 제어합니다
  • 모델 적합 전 수동으로 설정합니다
  • 가장 중요한 것은 mtry입니다
    • 각 분할에서 무작위로 선택할 변수 수
  • 값이 낮을수록 더 무작위적
  • 값이 높을수록 덜 무작위적
  • 최적 값을 사전에 알기 어렵습니다
R의 caret로 배우는 Machine Learning

예시: 소나 데이터

  • caret::train()tuneLength 인자
  • caret에 시도할 변형 개수를 지정합니다
# 데이터 로드
library(caret)
library(mlbench)
data(Sonar)
# 더 깊은 튜닝 그리드로 모델 적합
model <- train(
  Class ~ ., 
  data = Sonar, 
  method = "ranger", 
  tuneLength = 10
)
# 결과 플롯
plot(model)
R의 caret로 배우는 Machine Learning

결과 플로팅

이미지는 부트스트랩 정확도와 무작위로 선택된 변수 개수의 선 그래프입니다. x = 14 부근에서 정점에 이른 뒤 급격히 떨어집니다.

R의 caret로 배우는 Machine Learning

연습해 봅시다!

R의 caret로 배우는 Machine Learning

Preparing Video For Download...