Prozkoumejte širší prostor modelů

Machine Learning s balíčkem caret v R

Zach Mayer

Data Scientist at DataRobot and co-author of caret

Náhodné lesy vyžadují ladění

  • Hyperparametry řídí způsob trénování modelu
  • Volí se „ručně" před trénováním modelu
  • Nejdůležitější je mtry
    • Počet náhodně vybraných proměnných při každém rozdělení
  • Nižší hodnota = větší náhodnost
  • Vyšší hodnota = menší náhodnost
  • Optimální hodnotu je obtížné předem určit
Machine Learning s balíčkem caret v R

Příklad: data Sonar

  • Argument tuneLength funkce caret::train()
  • Určuje, kolik různých variant caret vyzkouší
# 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 s balíčkem caret v R

Vizualizace výsledků

Graf zobrazuje liniový graf přesnosti bootstrapu v závislosti na počtu náhodně vybraných parametrů. Přesnost stoupá k vrcholu přibližně v bodě x = 14 a poté rychle klesá.

Machine Learning s balíčkem caret v R

Pojďme si procvičit!

Machine Learning s balíčkem caret v R

Preparing Video For Download...