Modelcomplexiteit aanpassen
Om goede voorspellingen te doen, moet je de complexiteit van je model afstellen. Eenvoudige modellen kunnen alleen simpele datastructuren weergeven, terwijl complexe modellen fijnmazige structuren kunnen vastleggen.
In deze oefening ga je bomen met verschillende complexiteiten maken door de hyperparameters van een regressieboom aan te passen.
De trainingsdata chocolate_train is al voor je geladen in je werkruimte.
Deze oefening maakt deel uit van de cursus
Machine Learning met boomgebaseerde modellen in R
Praktische interactieve oefening
Probeer deze oefening eens door deze voorbeeldcode in te vullen.
# Create a model having only one split
chocolate_model <- ___(___) %>%
set_mode("regression") %>%
set_engine("rpart") %>%
fit(final_grade ~ ., data = chocolate_train)
chocolate_model