フォールドを学習する
データをフォールドに分割できたので、次はそれらを使ってモデルを学習し、各モデルのアウトオブサンプル誤差を計算します。こうすることで、同じモデル仕様を複数回アウトオブサンプルで評価するため、性能をバランスよく見積もれます。
ワークスペースには、前の演習で作成した chocolate_folds（チョコレートの学習用データを10分割したもの）が用意されています。
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
演習の手順
- まだ覚えていることを示しましょう。
"rpart"エンジンを使った回帰木の仕様tree_specを作成します。 fit_resamples()を使い、tree_specにフォールドを適用して、final_gradeを他のすべての予測変数でモデル化し、評価には MAE と RMSE の両方を用います。
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 a specification
tree_spec <- ___ %>%
___
___
# Fit all folds to the specification
fits_cv <- ___(tree_spec,
___,
resamples = ___,
metrics = ___)
fits_cv