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。
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。
# Create the specification
library(baguette)
spec_bagged <- ___ %>%
___ %>%
___(___, ___)
spec_bagged