Forêts aléatoires et vin

Machine Learning avec caret en R

Max Kuhn

Software Engineer at RStudio and creator of caret

Forêts aléatoires

  • Modèle de Machine Learning populaire
  • Bien pour débuter
  • Robustes au surapprentissage
  • Donnent des modèles très précis et non linéaires
Machine Learning avec caret en R

Forêts aléatoires

  • Contrairement aux modèles linéaires, ils ont des hyperparamètres
  • Les hyperparamètres se règlent manuellement
  • Peuvent influer sur l'ajustement et varier selon le jeu de données
  • Les valeurs par défaut conviennent souvent, mais parfois à ajuster
Machine Learning avec caret en R

Forêts aléatoires

  • Commencer par un arbre de décision simple
  • Les arbres sont rapides, mais peu précis

Machine Learning avec caret en R

Forêts aléatoires

  • Améliorer la précision en ajustant de nombreux arbres
  • Ajuster chacun sur un échantillon bootstrap de vos données
  • Appelé « bootstrap aggregation » ou « bagging »
  • Échantillonner aléatoirement des colonnes à chaque division
Machine Learning avec caret en R

Exécuter une forêt aléatoire

# Load some data
library(caret)
library(mlbench)
data(Sonar)

# Set seed
set.seed(42)

model <- train(
  Class ~ ., 
  data = Sonar, 
  method = "ranger"
)

pasted-image-1530.png

Machine Learning avec caret en R

Tracer les résultats

# Plot the results
plot(model)

Machine Learning avec caret en R

Passons à la pratique !

Machine Learning avec caret en R

Preparing Video For Download...