Ändern der Prior-Wahrscheinlichkeiten

Wie im Video erwähnt, kannst du die Prior-Wahrscheinlichkeiten anpassen, um einen Entscheidungsbaum zu erhalten. Das ist eine indirekte Möglichkeit, die Bedeutung von Fehlklassifikationen pro Klasse zu gewichten. Du kannst in rpart() ein weiteres Argument angeben, um Prior-Wahrscheinlichkeiten zu setzen. Das gesuchte Argument hat folgende Form

parms = list(prior=c(non_default_proportion, default_proportion))

Das Paket rpart ist bereits in deinem Workspace geladen.

Diese Übung ist Teil des Kurses

<Kurs>Kreditrisikomodellierung in R</Kurs>

Kurs ansehen

Übungsanweisungen

Ändere den bereitgestellten Code so, dass ein Entscheidungsbaum konstruiert wird, inklusive des Arguments parms, wobei der Anteil der Nicht-Defaults auf 0.7 und der der Defaults auf 0.3 gesetzt wird (sie sollten immer 1 ergeben). Füge zusätzlich control = rpart.control(cp = 0.001) ein.
Plotte den Entscheidungsbaum mit der Funktion plot und dem Namen des Baum-Objekts. Füge als zweites Argument „uniform=TRUE“ hinzu, um gleich große Äste zu erhalten.
Füge mit der Funktion text() und dem Namen des Entscheidungsbaum-Objekts Beschriftungen hinzu.

Interaktive praktische Übung

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

# Change the code below such that a tree is constructed with adjusted prior probabilities.
tree_prior <- rpart(loan_status ~ ., method = "class",
                    data = training_set)

# Plot the decision tree


# Add labels to the decision tree

Code bearbeiten und ausführen