Random Forest Regresyon: R Örnek Uygulaması

Erkan ŞİRİN 25 Haziran 2017 Makine Öğrenmesi 0 1191 248 kelime - 2 dakika31

---

Bu yazıya puan ver

(1 votes, average: 2,00 out of 5)

Loading...

---

Merhaba. Bu yazımızda serinin 14’üncü yazısında Python ile yaptığımız Random Forest Regresyon uygulamasını R ile yapacağız. Çalışma diznini ayarlayıp veri setini indirelim. Veriyi buradan indirebilirsiniz:

setwd('Sizin_Calisma_Dizniniz')
dataset = read.csv('PozisyonSeviyeMaas.csv')

Burada randomForest paketini kullanacağız. Yüklü değil ise indirip yükleyelim:

install.packages('randomForest')
library(randomForest)

Veri setinden Pozisyon açıklamasını çıkaralım:

dataset = dataset[2:3]

Modelimizi oluşturalım:

set.seed(1234)
regressor = randomForest(x = dataset[1], 
 y = dataset\$Seviye,
 ntree = 10)

İlk parametremiz bağımsız değişken dataframe, ikinci parametre bağımlı değişken vektör (bu yüzden dolar ile kullandık), üçüncü parametre de kullanılacak ağaç sayısı. Grafiğimizi Çizelim:

library(ggplot2)
x_grid = seq(min(dataset\$Seviye), max(dataset\$Seviye), 0.01)
ggplot() +
 geom_point(aes(x = dataset\$Seviye, y = dataset\$Maas),
 colour = 'red') +
 geom_line(aes(x = x_grid, y = predict(regressor, newdata = data.frame(Seviye = x_grid))),
 colour = 'blue') +
 ggtitle('Random Forest Regresyon') +
 xlab('Seviye') +
 ylab('Maas')

Evet grafikten de gördüğümüz gibi modelin veriyle uyum sağlamış ve belirli aralıklara bölünmüş durumda. Bir tahmin yapalım bakalım ne sonuç üretecek?

y_pred = predict(regressor, data.frame(Seviye = 6.5))
y_pred

Sonuç: 141733.3. Çok iyi bir sonuç değil. Ağaç sayısını 100 yapıp tekrar deneyelim. Grafik:

Biraz daha iyi görünüyor. Tahmin yapalım tekrar. Sonuç: 166281.7 gibi daha iyi bir değer.