Prořezání stromu pomocí ztrátové matice

V tomto cvičení prořežeš strom sestavený pomocí ztrátové matice, která více penalizuje chybně klasifikované defaulty než chybně klasifikované non-defaulty.

Toto cvičení je součástí kurzu

Modelování kreditního rizika v R

Zobrazit kurz

Pokyny k cvičení

Spusť kód pro nastavení seedu a znovu sestav tree_loss_matrix.
Pomocí funkce plotcp() prozkoumej strukturu chyby při křížové validaci.
Z cp-grafu uvidíš, že prořezání stromu na základě minimální chyby křížové validace povede ke stromu stejně velkému jako nepořezaný strom – minimální chyba nastává při cp = 0.001. Protože chceš strom trochu zmenšit, zkus prořezání s hodnotou cp = 0.0012788. Pro tento parametr složitosti se chyba křížové validace přibližuje minimu pozorované chyby. Prořezaný strom pojmenuj ptree_loss_matrix.
Balíček rpart.plot je načtený v tvém pracovním prostředí. Vykresli prořezaný strom pomocí funkce prp() (včetně argumentu extra = 1).

Interaktivní cvičení na vyzkoušení si v praxi

Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.

# set a seed and run the code to construct the tree with the loss matrix again
set.seed(345)
tree_loss_matrix  <- rpart(loan_status ~ ., method = "class", data = training_set,
                           parms = list(loss=matrix(c(0, 10, 1, 0), ncol = 2)),
                           control = rpart.control(cp = 0.001))

# Plot the cross-validated error rate as a function of the complexity parameter


# Prune the tree using cp = 0.0012788


# Use prp() and argument extra = 1 to plot the pruned tree

Upravit a spustit kód