Utforska ett bredare modellrum

Maskininlärning med caret i R

Zach Mayer

Data Scientist at DataRobot and co-author of caret

Slumpskogar kräver justering

Hyperparametrar styr hur modellen anpassas
Väljs "för hand" innan modellen anpassas
Viktigast är mtry
- Antal slumpmässigt valda variabler vid varje uppdelning
Lägre värde = mer slumpmässigt
Högre värde = mindre slumpmässigt
Svårt att veta bästa värdet i förväg

Exempel: sonardata

Argumentet tuneLength till caret::train()
Anger hur många varianter caret ska prova

# 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)

Visualisera resultaten

Bilden visar ett linjediagram över bootstrap-noggrannhet mot antal slumpmässigt valda parametrar. Kurvan når en topp runt x = 14 och sjunker sedan snabbt.

Nu kör vi en övning!

Maskininlärning med caret i R