Créer des arbres baggés
Les modèles d’ensemble, comme les arbres baggés, sont plus puissants que les arbres de décision isolés. Chaque arbre de l’ensemble donne un vote, et la moyenne ou la majorité détermine votre prédiction. Vous profitez ainsi de l’intelligence collective plutôt que de vous fier à un seul arbre. Pour les arbres baggés, la méthode bootstrap garantit que, dans chaque arbre de l’ensemble, seul un échantillon bootstrapé (échantillonné avec remise) du jeu de données d’origine est utilisé pour entraîner l’arbre et produire la prédiction.
Mettez cela en pratique en construisant vous-même un arbre de classification baggé !
Les données d’entraînement des clients de cartes bancaires sont préchargées sous customers_train.
Cet exercice fait partie du cours
Machine Learning avec des modèles à base d’arbres en R
Exercice interactif pratique
Essayez cet exercice en complétant cet exemple de code.
# Create the specification
library(baguette)
spec_bagged <- ___ %>%
___ %>%
___(___, ___)
spec_bagged