tuneRanger

Published

October 1, 2026

パッケージの概要

機械学習におけるランダムフォレストモデルの構築を行えます。また、tuneRangerではハイパーパラメータのチューニングを行う機能も提供されます。

使用例：PimaIndiansDiabetesデータの分類

データの確認

PimaIndiansDiabetesデータを用いて、種々の項目からその患者が糖尿病患者であるかを判定するランダムフォレストモデルをtuneRangerパッケージを用いて構築します。

library(mlbench)
data(PimaIndiansDiabetes)
df <- PimaIndiansDiabetes
tar.idx <- 9

データの中身の確認です。（head）

head(df)

  pregnant glucose pressure triceps insulin mass pedigree age diabetes
1        6     148       72      35       0 33.6    0.627  50      pos
2        1      85       66      29       0 26.6    0.351  31      neg
3        8     183       64       0       0 23.3    0.672  32      pos
4        1      89       66      23      94 28.1    0.167  21      neg
5        0     137       40      35     168 43.1    2.288  33      pos
6        5     116       74       0       0 25.6    0.201  30      neg

データの中身の確認です。（str）

str(df)

'data.frame':   768 obs. of  9 variables:
 $ pregnant: num  6 1 8 1 0 5 3 10 2 8 ...
 $ glucose : num  148 85 183 89 137 116 78 115 197 125 ...
 $ pressure: num  72 66 64 66 40 74 50 0 70 96 ...
 $ triceps : num  35 29 0 23 35 0 32 0 45 0 ...
 $ insulin : num  0 0 0 94 168 0 88 0 543 0 ...
 $ mass    : num  33.6 26.6 23.3 28.1 43.1 25.6 31 35.3 30.5 0 ...
 $ pedigree: num  0.627 0.351 0.672 0.167 2.288 ...
 $ age     : num  50 31 32 21 33 30 26 29 53 54 ...
 $ diabetes: Factor w/ 2 levels "neg","pos": 2 1 2 1 2 1 2 1 2 2 ...

各変数の意味は以下の通りです。

変数名	データ型	概要
pregnant	num	妊娠回数
glucose	num	血漿グルコース濃度（負荷試験）
pressure	num	拡張期血圧 [mm Hg]
triceps	num	上腕三頭筋皮膚襞の厚さ [mm ]
insulin	num	2時間血清インスリン [mu U/ml]
mass	num	BMI
pedigree	num	糖尿病血統機能
age	num	年齢
diabetes	Factor	クラス変数（糖尿病の検査）

summaryを表示します。

summary(df)

    pregnant         glucose         pressure         triceps     
 Min.   : 0.000   Min.   :  0.0   Min.   :  0.00   Min.   : 0.00  
 1st Qu.: 1.000   1st Qu.: 99.0   1st Qu.: 62.00   1st Qu.: 0.00  
 Median : 3.000   Median :117.0   Median : 72.00   Median :23.00  
 Mean   : 3.845   Mean   :120.9   Mean   : 69.11   Mean   :20.54  
 3rd Qu.: 6.000   3rd Qu.:140.2   3rd Qu.: 80.00   3rd Qu.:32.00  
 Max.   :17.000   Max.   :199.0   Max.   :122.00   Max.   :99.00  
    insulin           mass          pedigree           age        diabetes 
 Min.   :  0.0   Min.   : 0.00   Min.   :0.0780   Min.   :21.00   neg:500  
 1st Qu.:  0.0   1st Qu.:27.30   1st Qu.:0.2437   1st Qu.:24.00   pos:268  
 Median : 30.5   Median :32.00   Median :0.3725   Median :29.00            
 Mean   : 79.8   Mean   :31.99   Mean   :0.4719   Mean   :33.24            
 3rd Qu.:127.2   3rd Qu.:36.60   3rd Qu.:0.6262   3rd Qu.:41.00            
 Max.   :846.0   Max.   :67.10   Max.   :2.4200   Max.   :81.00

psychパッケージのpairs.panelsを用いて、散布図の一覧を表示します。

library(psych)

df.x <- df[-tar.idx]
df.y <- df[tar.idx]
df.y <- ifelse(df.y == "pos", 1, 2)
pairs.panels(df.x, bg=c("skyblue", "salmon")[df.y], pch=21)

ggplot2パッケージを用いて、ヒストグラムを表示します。変数ごとにpos/negの分布の傾向を把握することができます。

library(ggplot2)


Attaching package: 'ggplot2'

The following objects are masked from 'package:psych':

    %+%, alpha

library(tidyr)
library(dplyr)


Attaching package: 'dplyr'

The following objects are masked from 'package:stats':

    filter, lag

The following objects are masked from 'package:base':

    intersect, setdiff, setequal, union

# 数値変数だけを抽出（diabetes以外）
num_vars <- names(df)[sapply(df, is.numeric)]

# 長い形式に変換
df_long <- df %>%
  pivot_longer(cols = all_of(num_vars), names_to = "variable", values_to = "value")

# ヒストグラムを1つの図にまとめて作成
ggplot(df_long, aes(x = value, fill = diabetes)) +
  geom_histogram(position = "identity", alpha = 0.5, bins = 30) +
  facet_wrap(~variable, scales = "free") +
  labs(title = "Histograms of Variables by Diabetes",
       x = "Value", y = "Count") +
  theme_minimal()

データセットの準備

PimaIndiansDiabetesデータを、モデル生成のための訓練データとモデル評価のためのテストデータに分割します。データ割合は、訓練データ7割・テストデータ3割とします。確認のためにデータサイズを出力します。

# 再現性のためにシードを設定
set.seed(123)  

# データの分割
sample_indices <- sample(1:nrow(df), 0.7 * nrow(df))  
train_data <- df[sample_indices, ]
test_data <- df[-sample_indices, ]

# データサイズの確認
c(nrow(df), nrow(train_data), nrow(test_data))

[1] 768 537 231

モデル生成

makeClassifTaskにてタスクの定義を行い、makeLearnerにて適用するアルゴリズムの選択を行います。

library(mlr)

Loading required package: ParamHelpers

task <- makeClassifTask(data = train_data, target = "diabetes")
lrn <- makeLearner("classif.rpart")

分割したデータセットを基にモデルの訓練を行います。

model <- train(lrn, task)

予測結果を変数に格納します。

res_pred <- predict(model, newdata = test_data)$data$response

実際の結果と予測結果を比較できる混同行列を出力します。

res_act <- test_data[[tar.idx]]
(conf_mat <- table(res_act, res_pred))

       res_pred
res_act neg pos
    neg 129  21
    pos  46  35

各種評価指標を確認します。まずは計算用の関数を定義します。

create_df_res <- function(cmat){
  TN <- cmat[1,1]
  FP <- cmat[1,2]
  FN <- cmat[2,1]
  TP <- cmat[2,2]
  
  # 正解率：どれだけ正しく分類できたかの割合
  acc <- round((TP + TN) / (TP + TN + FN + FP), 3)
  
  # 適合率：陽性と判定されたものがどれだけ正しく陽性であるかの割合
  prec <- round(TP / (TP + FP), 3)
  
  # 再現率（真陽性率）：実際に陽性のものをどれだけ正しく陽性と判定できたかの割合
  rec <- round(TP / (TP + FN), 3)
  
  # F値：適合率と再現率の調和平均（両者はトレードオフの関係）
  Fval <- round(2 * rec * prec / (rec + prec), 3)
  
  # 真陰性率：実際に陰性のものをどれだけ正しく陰性と判定できたかの割合
  TNRat <- round(TN / (TN + FP), 3)
  
  df_rat <- data.frame(
    Item = c("正解率", "適合率", "再現率（真陽性率）", "F値", "真陰性率"), 
    Rate = c(acc, prec, rec, Fval, TNRat)
  )
  
  df_rat
}

data.frameの出力整形用の関数を定義します。

library(knitr)
library(kableExtra)


Attaching package: 'kableExtra'

The following object is masked from 'package:dplyr':

    group_rows

show_df <- function(df, cap=""){
  if(is_html_output()){
    kable(df, format = "html", caption = cap) %>%
      kable_styling(bootstrap_options = "striped", full_width = FALSE, position = "left")
  }else{
    kable(df, format = "pipe", caption = cap) 
  }
}

評価指標を確認します。

df_res <- create_df_res (conf_mat)
show_df(df_res)

Item	Rate
正解率	0.710
適合率	0.625
再現率（真陽性率）	0.432
F値	0.511
真陰性率	0.860

パラメータチューニング

tuneRangerパッケージを使用して、パラメータチューニングを行ってゆきます。

パラメータチューニングのための実行時間を事前に知ることが出来ます。

library(tuneRanger)

Loading required package: ranger

Loading required package: mlrMBO

Loading required package: smoof

Loading required package: checkmate

Loading required package: parallel

Loading required package: lhs

estimateTimeTuneRanger(task, num.trees = 500, num.threads = 3, iters = 30)

Approximated time for tuning: 51S

tuneRangerを使用して、実際にパラメータチューニングをやってみます。

# 再現性のためにシードを設定
set.seed(123)  

res <- tuneRanger(task, measure = list(multiclass.brier), num.trees = 500, 
                 num.threads = 3, iters = 30, save.file.path = NULL, show.info = FALSE)

チューニングされたパラメータです。

show_df(as.data.frame(t(res$recommended.pars)), "パラメータ")

パラメータ
	V1
mtry	5.0000000
min.node.size	42.0000000
sample.fraction	0.5282881
multiclass.brier	0.3167057
exec.time	0.1866667

チューニング後のモデルの混同行列です。

res_pred_tuned <- predict(res$model, newdata = test_data)$data$response

(conf_mat_tuned <- table(res_act, res_pred_tuned))

       res_pred_tuned
res_act neg pos
    neg 127  23
    pos  42  39

評価指標を確認します。モデル性能がおおむね向上していることが確認できます。

df_res_tuned <- create_df_res (conf_mat_tuned)

df_res_all <- cbind(
  df_res, 
  df_res_tuned[, 2])
colnames(df_res_all) <- c("Item", "df_res", "df_res_tuned")

show_df(df_res_all)

Item	df_res	df_res_tuned
正解率	0.710	0.719
適合率	0.625	0.629
再現率（真陽性率）	0.432	0.481
F値	0.511	0.545
真陰性率	0.860	0.847