Eksploracja szerszej przestrzeni modeli

Uczenie maszynowe z caret w R

Zach Mayer

Data Scientist at DataRobot and co-author of caret

Lasy losowe wymagają strojenia

Hiperparametry kontrolują sposób dopasowania modelu
Wybierane "ręcznie" przed dopasowaniem modelu
Najważniejszy to mtry
- Liczba losowo wybranych zmiennych przy każdym podziale
Niska wartość = większa losowość
Wysoka wartość = mniejsza losowość
Optymalna wartość jest trudna do określenia z góry

# 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)

Wykres liniowy dokładności bootstrap w zależności od liczby losowo wybranych parametrów. Osiąga maksimum około x = 14, po czym gwałtownie spada.

Uczenie maszynowe z caret w R