Créer des arbres ensachés (bagging)
Les modèles d'ensemble, comme les arbres ensachés, sont plus puissants que les arbres de décision simples. Chaque arbre de l'ensemble vote, et la moyenne ou le vote majoritaire constitue votre prédiction. Cela vous permet de miser sur l'intelligence collective plutôt que sur un seul arbre. Pour les arbres ensachés, la méthode bootstrap fait en sorte que, dans chaque arbre de l'ensemble, seule une vingt d'échantillonnage bootstrap (échantillonnée avec remise) du jeu de données original est utilisée pour entraîner l'arbre et produire la prédiction.
Mettez cela en pratique en construisant vous-même un arbre de classification ensaché!
Les données d'entraînement sur les titulaires de cartes de crédit sont déjà chargées dans customers_train.
Cette activité fait partie du cours
Machine Learning avec des modèles arborescents en R
Exercice interactif pratique
Essayez cet exercice en complétant ce code d’exemple.
# Create the specification
library(baguette)
spec_bagged <- ___ %>%
___ %>%
___(___, ___)
spec_bagged