Ajuster la complexité du modèle
Pour faire de bonnes prédictions, vous devez ajuster la complexité de votre modèle. Les modèles simples ne peuvent représenter que des structures de données simples, tandis que les modèles complexes peuvent représenter des structures plus fines et détaillées.
Dans cet exercice, vous allez créer des arbres de complexité différente en modifiant les hyperparamètres d'un arbre de régression.
Les données d'entraînement chocolate_train sont déjà chargées dans votre espace de travail.
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 a model having only one split
chocolate_model <- ___(___) %>%
set_mode("regression") %>%
set_engine("rpart") %>%
fit(final_grade ~ ., data = chocolate_train)
chocolate_model