32、提升模型性能的方法与实践

提升模型性能的方法与实践

1. 创建简单调优模型

在模型调优中，很多默认设置是合理的。例如， caret 包会使用自助抽样样本的预测准确率来为分类模型选择最佳性能者。我们可以从这些默认值开始，调整 train() 函数来设计各种实验。

1.1 调优信用评分模型

以使用 caret 包的默认设置调优信用评分模型为例，最简单的调优方法是通过 method 参数指定模型类型。由于之前在信用模型中使用了 C5.0 决策树，这里继续优化该学习器。使用默认设置调优 C5.0 决策树的基本 train() 命令如下：

library(caret)
set.seed(300)
m <- train(default ~ ., data = credit, method = "C5.0")

• set.seed(300) ：初始化 R 的随机数生成器，确保结果可重复。
• default ~ . ：使用 R 公式接口定义树，用信用数据框中的所有其他特征来建模贷款违约状态（是或否）。
• method = "C5.0" ：告诉 caret 使用 C5.0 决策树算法。

输入上述命令后，调优过程可能会有显著延迟，因为 R 要重复生成随机数