Einen einfachen Entscheidungsbaum erstellen

Der Datensatz loans enthält 11.312 zufällig ausgewählte Personen, die bei Lending Club, einem Peer-to-Peer-Kreditunternehmen mit Sitz in US, einen Kredit beantragt und später erhalten haben.

Mithilfe eines Entscheidungsbaums versuchst du, anhand der beantragten Kreditsumme und der Kreditwürdigkeit zum Zeitpunkt der Antragstellung Muster für das Ergebnis dieser Kredite zu erkennen (entweder zurückgezahlt oder ausgefallen).

Dann sieh dir an, wie sich die Vorhersagen des Baums für einen Bewerber mit guter Bonität von denen für einen Bewerber mit schlechter Bonität unterscheiden.

Der Datensatz loans wurde für dich geladen.

Diese Übung ist Teil des Kurses

Überwachtes Lernen in R: Klassifikation

Kurs anzeigen

Anleitung zur Übung

Lade das Paket rpart.
Passe ein Entscheidungsbaummodell mit der Funktion rpart() an.
- Gib die R-Formel an, die outcome als Funktion von loan_amount und credit_score als erstes Argument angibt.
- Lass das control Argument erst einmal beiseite. (Du wirst später mehr darüber erfahren!)
Nutze predict() mit dem resultierenden Kreditmodell, um das Ergebnis für den good_credit Antragsteller vorherzusagen. Verwende das Argument type, um das Ergebnis "class" vorherzusagen.
Mach das Gleiche für den bad_credit Bewerber.

Interaktive Übung zum Anfassen

Probieren Sie diese Übung aus, indem Sie diesen Beispielcode ausführen.

# 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

Bearbeiten und Ausführen von Code