Crear árboles con bagging
Los modelos de conjunto, como los árboles con bagging, son más potentes que los árboles de decisión individuales. Cada árbol del conjunto emite un voto y la media o el voto mayoritario es tu predicción. Así aprovechas la inteligencia colectiva en lugar de depender de un solo árbol. En los árboles con bagging, el método bootstrap garantiza que en cada árbol del conjunto solo se use una muestra bootstrap (muestreo con reemplazo) del conjunto de datos original para entrenar el árbol y generar la predicción.
Ponlo en práctica construyendo tú mismo un árbol de clasificación con bagging.
Los datos de entrenamiento de clientes de tarjetas de crédito están precargados como customers_train.
Este ejercicio forma parte del curso
Machine Learning con modelos basados en árboles en R
Ejercicio interactivo práctico
Prueba este ejercicio y completa el código de muestra.
# Create the specification
library(baguette)
spec_bagged <- ___ %>%
___ %>%
___(___, ___)
spec_bagged