ranger()函数对随机森林回归预测模型进行超参数寻优，并导出最优参数

Ranger包中的ranger()函数是一个优化的随机森林算法实现，用于进行超参数搜索和建模。它支持并行计算，对于随机森林回归预测模型来说，可以帮助找到最佳的超参数组合，以提高模型的预测性能。

在使用ranger()进行超参数寻优时，通常需要提供一组预设的参数范围，例如树的数量（ntrees）、最大深度（mtry）、最小节点大小（min.node.size）等。你可以通过grid_search()、optimise()或者其他相关的功能来完成参数调整。这些函数会尝试不同的参数组合，通过交叉验证的方式评估模型性能，比如均方误差(MSE)或R²得分。

一旦找到最优参数，可以将结果保存到一个对象（通常是"data.frame"格式），然后选择最好的那组参数应用到ranger()函数的参数列表中，如：

# 假设best_params是优化后的参数
best_params <- data.frame(best_params)
optimized_model <- ranger(formula = your_formula, data = your_data,
                         control = RangerControl(par擬opt=list(best_params)))

# 将最优参数存储到变量optimized_model$control$par擬opt中