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 plus complexes peuvent capturer des structures plus fines.
Dans cet exercice, vous allez créer des arbres de complexité variable en modifiant les hyperparamètres d’un arbre de régression.
Les données d’entraînement chocolate_train sont préchargées dans votre espace de travail.
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 a model having only one split
chocolate_model <- ___(___) %>%
set_mode("regression") %>%
set_engine("rpart") %>%
fit(final_grade ~ ., data = chocolate_train)
chocolate_model