生成预测

利用数据进行预测是机器学习的基本目标之一。既然您已经会拆分数据并拟合模型，现在就该用模型对未见过的样本进行预测了。

您将使用将训练数据拟合到树模型规范后得到的模型，对测试集进行预测。

您的工作空间中已提供先前生成的数据集（diabetes_train 和 diabetes_test）以及一个决策树规范 tree_spec，它是通过以下代码生成的：

tree_spec <- decision_tree() %>%
  set_engine("rpart") %>%
  set_mode("classification")

本练习是课程的一部分

R 中的树模型机器学习

查看课程

练习说明

使用 outcome 作为目标变量、包含所有预测变量，将您的规范拟合到训练数据以创建 model。
使用该模型对测试集中每条观测的糖尿病结局进行预测，并将结果赋给 predictions。
将测试集中的真实结局作为名为 true_class 的列添加到 predictions 中，并将结果保存为 predictions_combined。
使用 head() 函数打印结果的前几行。

交互式实操练习

通过完成这段示例代码来试试这个练习。

# Train your model
model <- tree_spec %>% 
  ___

# Generate predictions
predictions <- ___(model,
                   ___)

# Add the true outcomes
predictions_combined <- predictions %>% 
  ___(true_class = ___)

# Print the first lines of the result
___

编辑并运行代码