Random forest

Maskininlärning med trädbaserade modeller i R

Sandro Raabe

Data Scientist

Random forest

Passar för högdimensionell data
Enkel att använda
Bra prestanda direkt ur lådan
Implementerad i flera paket: ranger, randomForest
tidymodels-gränssnitt till dessa paket: rand_forest() (ingår i paketet parsnip)

Idé

Grundidé (identisk med bagging): träna träd på bootstrap-urval
Avgörande skillnad: slumpmässiga prediktorer mellan träden $\rightarrow$ random forest

Intuition

skiss över random forest

Kod: Specificera en random forest-modell

Funktionsnamn: rand_forest()

Hyperparametrar:

mtry: prediktorer per nod, standard:
$$\left\lfloor\sqrt\text{num predictors}\right\rfloor$$
trees: antal träd i skogen
min_n: minsta tillåtna nodstorlek

rand_forest(

    mtry = 4,

    trees = 500,

    min_n = 10) %>%

  # Set the mode
  set_mode("classification") %>%

  # Use engine ranger or randomForest
  set_engine("ranger")

Kod: Specificera en random forest-modell

spec <- rand_forest(trees = 100) %>%

            set_mode("classification") %>%

            set_engine("ranger")

Random Forest Model Specification

(classification)


Main Arguments:
  trees = 100

Computational engine: ranger

Träna en skog

spec %>% fit(still_customer ~ ., data = customers_train)

parsnip model object

Fit time:  631ms 
Ranger result

Number of trees:                  100 
Sample size:                      9116 
Number of independent variables:  19 
Mtry:                             4 
Target node size:                 10

Variabelviktighet

rand_forest(mode = "classification") %>%
    set_engine("ranger", importance = "impurity") %>%

    fit(still_customer ~ ., data = customers_train) %>%

    vip::vip()

vip-diagram

Nu kör vi en övning!

Maskininlärning med trädbaserade modeller i R