我正在使用caret包来分析使用ranger构建的随机森林模型。我无法弄明白如何使用tuneGrid参数调用train函数来调整模型参数。
我认为我调用tuneGrid参数的方式有误，但无法找出问题所在。任何帮助都将不胜感激。
data(iris)library(ranger)model_ranger <- ranger(Species ~ ., data = iris, num.trees = 500, mtry = 4, importance = 'impurity')library(caret)# 我的tuneGrid对象:tgrid <- expand.grid( num.trees = c(200, 500, 1000), mtry = 2:4)model_caret <- train(Species ~ ., data = iris, method = "ranger", trControl = trainControl(method="cv", number = 5, verboseIter = T, classProbs = T), tuneGrid = tgrid, importance = 'impurity')回答：
以下是caret中ranger的语法：
library(caret)在调参参数前添加.：
tgrid <- expand.grid( .mtry = 2:4, .splitrule = "gini", .min.node.size = c(10, 20))caret仅支持这三个参数，而不支持树的数量。在train中可以指定num.trees和importance：
model_caret <- train(Species ~ ., data = iris, method = "ranger", trControl = trainControl(method="cv", number = 5, verboseIter = T, classProbs = T), tuneGrid = tgrid, num.trees = 100, importance = "permutation")获取变量重要性：
varImp(model_caret)#output OverallPetal.Length 100.0000Petal.Width 84.4298Sepal.Length 0.9855Sepal.Width 0.0000要检查是否有效，可以将树的数量设置为1000以上——拟合将会慢很多。在更改importance = "impurity"后：
#output: OverallPetal.Length 100.00Petal.Width 81.67Sepal.Length 16.19Sepal.Width 0.00如果不起作用，我建议从CRAN安装最新版本的ranger，从GitHub安装caret：
devtools::install_github('topepo/caret/pkg/caret')要训练树的数量，可以使用lapply与通过createMultiFolds或createFolds创建的固定折叠一起使用。
编辑：虽然上述示例适用于caret包6.0-84版本，但不使用点号的超参数名称也同样有效。
tgrid <- expand.grid( mtry = 2:4, splitrule = "gini", min.node.size = c(10, 20))