Náhodný les

Machine Learning with Tree-Based Models in R

Sandro Raabe

Data Scientist

Náhodný les

Vhodný pro vícerozměrná data
Snadné použití
Dobrý výkon bez ladění
Implementován v různých balíčcích: ranger, randomForest
Rozhraní tidymodels: rand_forest() (balíček parsnip)

Myšlenka

Základní myšlenka (stejná jako bagging): trénování stromů na bootstrapových vzorcích
Klíčový rozdíl: náhodné prediktory napříč stromy $\rightarrow$ náhodný les

Intuice

schéma náhodného lesa

Kód: Specifikace modelu náhodného lesa

Název funkce: rand_forest()

Hyperparametry:

mtry: prediktory viděné v každém uzlu, výchozí hodnota:
$$\left\lfloor\sqrt\text{num predictors}\right\rfloor$$
trees: počet stromů v lese
min_n: nejmenší povolená velikost uzlu

rand_forest(

    mtry = 4,

    trees = 500,

    min_n = 10) %>%

  # Set the mode
  set_mode("classification") %>%

  # Use engine ranger or randomForest
  set_engine("ranger")

Kód: Specifikace modelu náhodného lesa

spec <- rand_forest(trees = 100) %>%

            set_mode("classification") %>%

            set_engine("ranger")

Random Forest Model Specification

(classification)


Main Arguments:
  trees = 100

Computational engine: ranger

Trénování lesa

spec %>% fit(still_customer ~ ., data = customers_train)

parsnip model object

Fit time:  631ms 
Ranger result

Number of trees:                  100 
Sample size:                      9116 
Number of independent variables:  19 
Mtry:                             4 
Target node size:                 10

Důležitost proměnných

rand_forest(mode = "classification") %>%
    set_engine("ranger", importance = "impurity") %>%

    fit(still_customer ~ ., data = customers_train) %>%

    vip::vip()

graf důležitosti proměnných

Pojďme zasadit náhodný les!

Machine Learning with Tree-Based Models in R