建立 Bagged Trees
像 bagged trees 這樣的集成模型比單一決策樹更有威力。集成中的每棵樹都會投一票，平均或多數決的結果就是你的預測。這能讓你運用群體智慧，而不是只依賴單一樹。對於 bagged trees，bootstrap 方法會確保在每一棵集成樹中，都只使用原始資料集的「bootstrap 樣本」（可重複抽樣）來訓練並產生預測。
現在就親自動手，建立一個 bagged 分類樹吧！
信用卡客戶的訓練資料已預先載入為 customers_train。
本練習屬於課程
R 的樹狀模型機器學習
動手互動練習
試著完成這個範例程式碼，體驗一下這個練習。
# Create the specification
library(baguette)
spec_bagged <- ___ %>%
___ %>%
___(___, ___)
spec_bagged