如何调整R中的包装参数

Question

我想知道我们何时使用袋子进行分类，可以调整哪些参数，我们可以使用交叉验证来调整它？

在R中的装袋功能中，它说我们可以使用Nbagg来更改引导复制的数量。并使用rpart.control。

这是我的代码 bagging(income ~., data = training3, coob= T)

Answer 1

何时在分类中使用包装？

包装本质上是从单个训练组中进行重复的样本，以生成X数量的不同自举训练数据集。然后，我们将方法训练在这些训练集上，并在回归的情况下平均所有预测，我们在分类时使用投票。包装有助于减少结果的差异，因此，如果您经常选择包装的结果有很高的差异，则通常会胜过随机森林并提高行李。

。

可以调整哪些参数，我们可以使用交叉验证来调整它？

nbagg： nbagg参数用于控制决策树的数量投票在集合中（默认值为25）。根据学习任务的难度和培训数据的数量，增加该数字可能会提高模型的性能，但会增加额外计算费用。

cp： CP是正确调整的修剪树时的复杂性参数，复杂性参数（CP）用于控制决策树的大小并选择最佳树大小。如果从当前节点向决策树添加另一个变量的成本高于CP的值，则树建筑物不会继续，您可以击中并试用它并查看适合您的内容。

我们可以使用交叉验证吗？

是的

library(caret)
set.seed(1729)
cntrl <- trainControl(method = "cv", number = 10)
train(dependent_variable ~ ., data = mydata, method = "treebag",
        trControl = cntrl)