R：随机森林调整超参数的有效方法答案

【问题标题】：R: Efficient Approach for Random Forest tuning of hyper parametersR：随机森林调整超参数的有效方法
【发布时间】：2021-03-23 06:02:31
【问题描述】：

我有以下具有默认参数的随机森林（回归）模型

set.seed(42)

# Define train control
trControl <- trainControl(method = "cv",
    number = 10,
    search = "grid")

# Random Forest (regression) model
rf_reg <- train(Price.Gas~., data=data_train,
                    method = "rf",
                    metric = "RMSE",
                    trControl = trControl)

这是真实值（黑色）和预测值（红色）的输出图

我希望模型通过更改其调整参数（例如 ntree、maxnodes、搜索等）来表现更好。

我不认为一一改变是最有效的方法。

如何有效地测试 R 中的参数以获得更好的随机森林（即能够很好地预测数据的随机森林）？

【问题讨论】：

标签： r machine-learning random-forest decision-tree grid-search

【解决方案1】：

您将执行某种超参数搜索（网格或随机），在其中列出要测试的所有值（或序列），然后计算所有值以获得最佳配置。此链接解释了插入符号的可能方法：https://rpubs.com/phamdinhkhanh/389752

【讨论】：