Random forests och vin

Maskininlärning med caret i R

Max Kuhn

Software Engineer at RStudio and creator of caret

Random forests

  • Populär typ av maskininlärningsmodell
  • Bra för nybörjare
  • Robust mot överanpassning
  • Ger träffsäkra, icke-linjära modeller
Maskininlärning med caret i R

Random forests

  • Till skillnad från linjära modeller har de hyperparametrar
  • Hyperparametrar måste anges manuellt
  • Kan påverka modellens passning och varierar mellan datamängder
  • Standardvärden fungerar ofta, men kan ibland behöva justeras
Maskininlärning med caret i R

Random forests

  • Börja med ett enkelt beslutsträd
  • Beslutsträd är snabba men inte särskilt träffsäkra

Maskininlärning med caret i R

Random forests

  • Förbättra träffsäkerheten genom att anpassa många träd
  • Anpassa varje träd till ett bootstrap-urval av dina data
  • Kallas bootstrap aggregation eller bagging
  • Slumpmässigt urval av kolumner vid varje uppdelning
Maskininlärning med caret i R

Köra en random forest

# 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

Maskininlärning med caret i R

Visualisera resultaten

# Plot the results
plot(model)

Maskininlärning med caret i R

Nu kör vi en övning!

Maskininlärning med caret i R

Preparing Video For Download...