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.
To ćwiczenie jest częścią kursu
Uczenie maszynowe z modelami drzewiastymi w R
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
# Create the specification
library(baguette)
spec_bagged <- ___ %>%
___ %>%
___(___, ___)
spec_bagged