Clasificare cu păduri aleatoare

Machine Learning în Tidyverse

Dmitriy (Dima) Gorenshteyn

Lead Data Scientist, Memorial Sloan Kettering Cancer Center

ranger() pentru clasificare

cv_tune <- cv_data %>%
  crossing(mtry = c(2, 4, 8, 16)) 

cv_models_rf <- cv_tune %>% 
  mutate(model = map2(train, mtry, ~ranger(formula = Attrition~., 
                                           data = .x, mtry = .y,
                                           num.trees = 100, seed = 42)))

1) Pregătirea claselor reale

attrition	clasă
Yes	TRUE
No	FALSE

validate$Attrition

No  No  No  No  No  Yes No  Yes ... No  No  No

validate_actual <- validate$Attrition == "Yes"
validate_actual

FALSE FALSE FALSE FALSE FALSE  TRUE FALSE  TRUE ... FALSE FALSE FALSE

2) Pregătirea claselor prezise

P(attrition)	clasă
Yes	TRUE
No	FALSE

validate_classes <- predict(rf_model, rf_validate)$predictions
validate_classes

No  No  No  No  No  Yes No  No ... No  No  No

validate_predicted <- validate_classes == "Yes"
validate_predicted

FALSE FALSE FALSE FALSE FALSE  TRUE FALSE FALSE ... FALSE FALSE FALSE

Construirea celui mai bun model de attrition

Machine Learning în Tidyverse