Återbesök: random forest

Maskininlärning med caret i R

Zach Mayer

Data Scientist at DataRobot and co-author of caret

Genomgång av random forest

  • Långsammare att anpassa än glmnet
  • Svårare att tolka
  • Ofta (men inte alltid) noggrannare än glmnet
  • Enklare att finjustera
  • Kräver lite förbehandling
  • Fångar tröskeleffekter och variabelinteraktioner
Maskininlärning med caret i R

Random forest på churn-data

set.seed(42)
churnTrain$churn <- factor(
  churnTrain$churn, levels = c("no", "yes")
)

model_rf <- train(
  churn ~ ., 
  churnTrain,
  metric = "ROC",
  method = "ranger", 
  trControl = myControl
)
Maskininlärning med caret i R

Random forest på churn-data

plot(model_rf)

pasted-image-1261.png

Maskininlärning med caret i R

Nu kör vi en övning!

Maskininlärning med caret i R

Preparing Video For Download...