モデルを学習しよう
モデル仕様は、画家にとってのキャンバスのようなものです。ですが、キャンバスに色が必要なように、仕様にはデータが必要です。予測ができるのは、最終的に学習されたモデルだけです。
「モデル仕様 + データ = モデル」
この演習では、健康に関する変数を予測子として用い、糖尿病リスクをモデル化する決定木を学習します。応答変数 outcome は患者が糖尿病かどうかを示し、これは2つのクラスのみを持つ二値分類問題です。データセットには blood_pressure、age、bmi など、患者の健康に関する変数も含まれています。
この先のコースでは、 tidymodels パッケージは常に事前に読み込まれています。 この演習では、diabetes データセットもワークスペースで利用できます。
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
演習の手順
rpartエンジンを使う決定木の仕様tree_specを作成します。- 仕様に
diabetesデータセットを当てはめ、outcomeが予測子bmiのみで決まるモデルtree_model_bmiを学習します。 - コンソールにモデルを出力します。
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。
# Create the specification
tree_spec <- ___() %>%
___("rpart") %>%
___
# Train the model
tree_model_bmi <- tree_spec %>%
___
# Print the model
___