Sestavení jednoduchého rozhodovacího stromu

Dataset loans obsahuje 11 312 náhodně vybraných žadatelů, kteří požádali o půjčku u společnosti Lending Club – americké platformy pro půjčky mezi jednotlivci – a půjčku také obdrželi.

Použiješ rozhodovací strom, abys v datech odhalil/a vzory v tom, jak tyto půjčky dopadly (splacena nebo nesplacena), a to na základě požadované výše půjčky a kreditního skóre v době podání žádosti.

Potom se podívej, jak se předpovědi stromu liší pro žadatele s dobrým kreditním skóre oproti žadateli se špatným.

Datasety loans, good_credit a bad_credit jsou už načtené.

Toto cvičení je součástí kurzu

Supervised Learning v R: Klasifikace

Zobrazit kurz

Pokyny k cvičení

Načti balíček rpart.
Natrénuj model rozhodovacího stromu pomocí funkce rpart().
- Jako první argument zadej vzorec v R, který specifikuje outcome jako funkci proměnných loan_amount a credit_score.
- Argument control teď nech být – o tom se dozvíš víc později!
Pomocí predict() a natrénovaného modelu předpověz výsledek pro žadatele good_credit. Použij argument type k předpovědi "class" výsledku.
Totéž proveď pro žadatele bad_credit.

Interaktivní cvičení na vyzkoušení si v praxi

Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.

# Load the rpart package


# Build a lending model predicting loan outcome versus loan amount and credit score
loan_model <- rpart(___, data = ___, method = "___", control = rpart.control(cp = 0))

# Make a prediction for someone with good credit
predict(___, ___, type = "___")

# Make a prediction for someone with bad credit

Upravit a spustit kód