回帰木を学習する
ご存じのとおり、決定木は分類問題に有用なツールです。さらに、回帰問題のモデリングにも使えます。 構造上の違いは、葉ノードに配置されるのが（クラスではなく）数値になる点です。
この演習では、チョコレートのデータセットを使って回帰木を当てはめます。Chapter 1 で diabetes データセットを使って行った内容と非常によく似ています。
ワークスペースには学習用データ chocolate_train 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
- 回帰木の仕様である
model_specを作成します。 - データフレーム
chocolate_trainを使い、データ中の数値の予測子のみを用いてfinal_gradeを予測する回帰木を、model_specで学習させてください。
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。
library(tidymodels)
# Build the specification
model_spec <- decision_tree() %>%
set_mode(___) %>%
set_engine(___)
# Fit to the data
model_fit <- model_spec %>%
___(formula = ___,
data = ___)
model_fit