バギング木を作成する

バギング木のようなアンサンブルモデルは、単一の決定木よりも強力です。アンサンブル内の各木が投票し、その平均または多数決が予測になります。これにより、1本の木に頼らず群知能を活用できます。バギング木では、ブートストラップ法により、各アンサンブル木の学習と予測作成には元のデータセットの「ブートストラップサンプル」（復元抽出されたサンプル）のみが使われます。

実際に、バギングによる分類木を自分で作ってみましょう！

クレジットカード顧客の学習データは customers_train として読み込まれています。