Zahrnutí matice ztrát

Třetí možností je zahrnout matici ztrát, která mění relativní důležitost chybné klasifikace defaultu jako non-defaultu a naopak. Chceme zdůraznit, že chybná klasifikace defaultu jako non-defaultu by měla být penalizována přísněji. Matici ztrát lze opět zahrnout prostřednictvím argumentu parms.

parms = list(loss = matrix(c(0, cost_def_as_nondef, cost_nondef_as_def, 0), ncol=2))

Tímto způsobem sestavíš matici 2x2 s nulami na diagonále a upravenými penalizacemi mimo diagonálu. Výchozí matice ztrát má mimo diagonálu samé jedničky.

Toto cvičení je součástí kurzu

Modelování kreditního rizika v R

Zobrazit kurz

Pokyny k cvičení

Uprav kód tak, aby zahrnoval matici ztrát s penalizací, která je 10× vyšší při chybné klasifikaci skutečného defaultu jako non-defaultu. Stačí nahradit cost_def_as_nondef hodnotou 10 a cost_nondef_as_def hodnotou 1. Stejně jako v předchozích cvičeních přidej rpart.control, aby se uvolnil parametr složitosti na hodnotu 0,001.
Vykresli rozhodovací strom pomocí funkce plot a názvu objektu stromu. Přidej druhý argument uniform = TRUE, aby měly větve stejnou délku, a doplň popisky stromu pomocí text() s názvem objektu stromu.

Interaktivní cvičení na vyzkoušení si v praxi

Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.

# Change the code below such that a decision tree is constructed using a loss matrix penalizing 10 times more heavily for misclassified defaults.
tree_loss_matrix <- rpart(loan_status ~ ., method = "class",
                          data =  training_set)


# Plot the decision tree


# Add labels to the decision tree

Upravit a spustit kód