Undersampling des Trainingssatzes

Im Video hast du gesehen, dass du das Problem unausgewogener Daten mit Under- oder Oversampling angehen kannst. Der Trainingssatz wurde für dich per Undersampling angepasst, sodass 1/3 des Trainingssatzes aus Defaults und 2/3 aus Non-Defaults besteht. Der resultierende Datensatz steht dir in deinem Workspace als undersampled_training_set zur Verfügung und enthält weniger Beobachtungen (6570 statt 19394). In dieser Übung erstellst du einen Entscheidungsbaum mit dem undersampleten Datensatz.

Du wirst feststellen, dass die Bäume in dieser und der nächsten Übung sehr groß sind – so groß, dass man sie nicht mehr wirklich lesen kann. Mach dir darüber jetzt keine Sorgen; im nächsten Video zeigen wir dir, wie du sie handlicher machst!

Diese Übung ist Teil des Kurses

<Kurs>Kreditrisikomodellierung in R</Kurs>

Kurs ansehen

Übungsanweisungen

Das Paket rpart wurde für dich installiert. Lade das Paket in deinen Workspace.
Ändere den bereitgestellten Code so, dass ein Entscheidungsbaum mit dem undersampleten Trainingssatz statt mit training_set konstruiert wird. Füge außerdem das Argument control = rpart.control(cp = 0.001) hinzu. cp, der Komplexitätsparameter, ist der Schwellwert für die Verringerung der Gesamtfehlanpassung bei einem Split. Wenn cp nicht erfüllt ist, werden keine weiteren Splits verfolgt. Der Standardwert von cp ist 0.01, aber bei komplexen Problemen empfiehlt es sich, cp zu lockern.
Zeichne den Entscheidungsbaum mit der Funktion plot und dem Namen des Baumobjekts. Füge ein zweites Argument uniform = TRUE hinzu, um gleich große Äste zu erhalten.
Der vorherige Befehl erstellt nur einen Baum mit einigen Knoten und Kanten, aber ohne Text (sogenannte „Labels“) darauf. Verwende die Funktion text() mit dem einzigen Argument tree_undersample, um Labels hinzuzufügen.

Interaktive praktische Übung

Versuche dich an dieser Übung, indem du diesen Beispielcode vervollständigst.

# Load package rpart in your workspace.


# Change the code provided in the video such that a decision tree is constructed using the undersampled training set. Include rpart.control to relax the complexity parameter to 0.001.
tree_undersample <- rpart(loan_status ~ ., method = "class",
                          data =  training_set)

# Plot the decision tree


# Add labels to the decision tree

Code bearbeiten und ausführen