Tworzenie modeli drzew workowanych

Modele zespołowe, takie jak drzewa workowane, są skuteczniejsze niż pojedyncze drzewa decyzyjne. Każde drzewo w zespole oddaje głos, a prognoza to średnia lub wynik większości. Dzięki temu korzystasz z mądrości zbiorowej zamiast polegać na jednym drzewie. W przypadku drzew workowanych metoda bootstrap sprawia, że każde drzewo w zespole jest trenowane na próbce bootstrapowej (losowanej ze zwracaniem) oryginalnego zbioru danych.

Wpraw tę wiedzę w ruch i samodzielnie zbuduj workowany model klasyfikacji drzewiastej!

Dane treningowe dotyczące klientów kart kredytowych są wstępnie załadowane jako customers_train.

Użyj funkcji bag_tree(), aby utworzyć workowany model klasyfikacji drzewiastej z silnikiem "rpart", który zbuduje 20 drzew workowanych.

ćwiczenie

Tworzenie modeli drzew workowanych

Instrukcje 1/3

.css-6su6fj{-webkit-flex-shrink:0;-ms-flex-negative:0;flex-shrink:0;}ćwiczenie

Instrukcje 1/3

ćwiczenie