Membuat bagged trees
Model ensemble seperti bagged trees lebih kuat daripada pohon keputusan tunggal. Setiap pohon dalam ensemble memberikan suara, dan rata-rata atau suara mayoritas menjadi prediksi Anda. Ini memastikan Anda memanfaatkan kecerdasan kawanan alih-alih bergantung pada satu pohon saja. Untuk bagged trees, metode bootstrap memastikan bahwa pada setiap pohon dalam ensemble, hanya sampel bootstrap (diambil dengan pengembalian) dari himpunan data asli yang digunakan untuk melatih pohon dan membuat prediksi.
Terapkan ini dengan membangun sendiri sebuah pohon klasifikasi berbasis bagging!
Data pelatihan pelanggan kartu kredit telah dimuat sebagai customers_train.
Latihan ini adalah bagian dari kursus
Machine Learning dengan Model Berbasis Pohon di R
Latihan interaktif praktis
Cobalah latihan ini dengan menyelesaikan kode contoh berikut.
# Create the specification
library(baguette)
spec_bagged <- ___ %>%
___ %>%
___(___, ___)
spec_bagged