擬合這些折數
既然你已經把資料切成多個折數，接下來就用這些折數來訓練模型，並計算每個單一模型的樣本外誤差。這樣能得到較為平衡的效能估計，因為你對同一個模型規格進行了多次樣本外評估。
工作區中已提供 chocolate_folds，這是你在上一個練習建立的物件（巧克力訓練集的 10 個折數）。
本練習屬於課程
R 的樹狀模型機器學習
練習說明
- 先熱身一下：建立
tree_spec，也就是使用"rpart"引擎的迴歸樹規格。 - 使用
fit_resamples()以tree_spec擬合你的折數，將final_grade以所有其他自變數建模，並同時以 MAE 和 RMSE 進行評估。
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 a specification
tree_spec <- ___ %>%
___
___
# Fit all folds to the specification
fits_cv <- ___(tree_spec,
___,
resamples = ___,
metrics = ___)
fits_cv