Vergleiche mit einem einzelnen Klassifikator
Du hast gelernt, dass Boosted Trees zu den besten verfügbaren Machine-Learning-Algorithmen gehören. Um das zu untermauern, vergleichst du jetzt die AUC eines Boosting-Modells mit einem einfachen Entscheidbaum-Klassifikator.
In dieser Übung verwendest du die gesamte Machine-Learning-Pipeline von der Spezifikation bis zur Auswertung.
Die Trainingsdaten customers_train sind weiterhin vorab geladen.
Diese Übung ist Teil des Kurses
<Kurs>Maschinelles Lernen mit baumbasierten Modellen in R</Kurs>Interaktive praktische Übung
Versuche dich an dieser Übung, indem du diesen Beispielcode vervollständigst.
set.seed(100)
# Specify, fit, predict, and combine with training data
predictions <- boost_tree() %>%
set_mode("___") %>%
set_engine("___") %>%
fit(still_customer ~ ., data = ___) %>%
predict(new_data = ___, type = "___") %>%
bind_cols(___)
# Calculate AUC
roc_auc(___,
truth = ___,
estimate = ___)