Crea alberi bagged
I modelli ensemble come gli alberi bagged sono più potenti dei singoli alberi decisionali. Ogni albero nell’ensemble esprime un voto e la media o la maggioranza dei voti costituisce la tua previsione. In questo modo sfrutti l’intelligenza collettiva invece di affidarti a un solo albero. Negli alberi bagged, il metodo bootstrap fa sì che in ogni albero dell’ensemble venga usato per l’addestramento e la previsione solo un campione bootstrap (campione con reinserimento) dell’insieme di dati originale.
Metti in pratica costruendo tu stesso un albero di classificazione bagged!
I dati di training dei clienti con carta di credito sono già caricati come customers_train.
Questo esercizio fa parte del corso
Machine Learning con modelli ad albero in R
Esercizio pratico interattivo
Prova a risolvere questo esercizio completando il codice di esempio.
# Create the specification
library(baguette)
spec_bagged <- ___ %>%
___ %>%
___(___, ___)
spec_bagged