Überwachsene Bäume verhindern
Der Baum, der auf dem vollständigen Satz an Bewerberdaten trainiert wurde, ist extrem groß und komplex geworden – mit Hunderten von Splits und Blattknoten, in denen nur eine Handvoll Bewerber steckt. Ein solcher Baum wäre für eine Kreditsachbearbeiterin bzw. einen Kreditsachbearbeiter kaum zu interpretieren.
Mit Pre-Pruning (frühem Stoppen) kannst du verhindern, dass ein Baum zu groß und zu komplex wird. Sieh dir an, wie sich die rpart-Steuerungsoptionen für maximale Baumtiefe und minimale Split-Anzahl auf den resultierenden Baum auswirken.
rpart wurde bereits geladen.
Diese Übung ist Teil des Kurses
Überwachtes Lernen in R: Klassifikation
Interaktive Übung
Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.
# Grow a tree with maxdepth of 6
loan_model <- ___
# Make a class prediction on the test set
loans_test$pred <- ___
# Compute the accuracy of the simpler tree
mean(___)