単一の分類器と比較する
勾配ブースティング木は、利用できる中でも優れたMachine Learningアルゴリズムの一つであることを学びました。その裏付けとして、ブースティングモデルのAUCを、単純な決定木分類器と比較してみましょう。
この演習では、仕様の作成から評価まで、Machine Learningのパイプライン全体を使います。
学習用データ customers_train はすでに読み込まれています。
この演習はコースの一部です
Rで学ぶTree-Based ModelsによるMachine Learning
実践的なインタラクティブ演習
このサンプルコードを完成させて、この演習に挑戦してみましょう。
set.seed(100)
# Specify, fit, predict, and combine with training data
predictions <- boost_tree() %>%
set_mode("___") %>%
set_engine("___") %>%
fit(still_customer ~ ., data = ___) %>%
predict(new_data = ___, type = "___") %>%
bind_cols(___)
# Calculate AUC
roc_auc(___,
truth = ___,
estimate = ___)