Criar árvores com bagging
Modelos de ensemble, como árvores com bagging, são mais poderosos do que árvores de decisão isoladas. Cada árvore no ensemble dá um voto, e a média ou a maioria decide a sua previsão. Isso garante que você use inteligência coletiva em vez de depender de uma única árvore. No caso do bagging, o método bootstrap garante que, em cada árvore do ensemble, apenas uma amostra bootstrap (amostrada com reposição) do conjunto de dados original seja usada para treinar a árvore e gerar a previsão.
Coloque isso em prática construindo você mesmo uma árvore de classificação com bagging!
Os dados de treinamento de clientes de cartão de crédito já estão carregados como customers_train.
Este exercício faz parte do curso
Machine Learning com modelos baseados em árvores em R
Exercício interativo prático
Experimente este exercício completando este código de exemplo.
# Create the specification
library(baguette)
spec_bagged <- ___ %>%
___ %>%
___(___, ___)
spec_bagged