樣本內與樣本外的效能

更複雜的模型一定表現更好嗎？就像在影片中說的，這只說對了一半。

過度擬合的模型可以把訓練集的結構學得一清二楚，但無法推廣到新的資料。這可不妙！說到底，預測模型的主要目的就是在新資料上也有好表現，對吧？動手檢查看看！

此練習已預先載入上一題的最後一個模型 complex_model，以及你的訓練與測試資料（chocolate_train 與 chocolate_test）。

本練習屬於課程

R 的樹狀模型機器學習

試著完成這個範例程式碼，體驗一下這個練習。

# Predict on and combine with training data and calculate the error
predict(___, new_data = ___) %>%
	___ %>% 
	mae(___,
        ___)