단일 분류기와 비교하기
부스팅 트리가 사용 가능한 최고의 Machine Learning 알고리즘 중 하나라는 것을 배웠어요. 이를 뒷받침하기 위해, 이제 부스팅 모델의 AUC를 단순 의사결정나무 분류기와 비교해 보겠습니다.
이 연습 문제에서는 모델 사양부터 평가까지, 전체 Machine Learning 파이프라인을 사용해 볼 거예요.
훈련 데이터 customers_train는 이미 로드되어 있습니다.
이 연습은 강의의 일부입니다
R로 배우는 트리 기반 Machine Learning
실습형 인터랙티브 연습
이 예제를 이 샘플 코드를 완성하여 풀어보세요.
set.seed(100)
# Specify, fit, predict, and combine with training data
predictions <- boost_tree() %>%
set_mode("___") %>%
set_engine("___") %>%
fit(still_customer ~ ., data = ___) %>%
predict(new_data = ___, type = "___") %>%
bind_cols(___)
# Calculate AUC
roc_auc(___,
truth = ___,
estimate = ___)