Poda del árbol con la matriz de pérdidas

En este ejercicio, vas a podar el árbol que se construyó usando una matriz de pérdidas para penalizar más los impagos mal clasificados que los no impagos mal clasificados.

Este ejercicio forma parte del curso

Modelización del riesgo de crédito en R

Ver curso

Instrucciones del ejercicio

Ejecuta el código para fijar la semilla y volver a construir tree_loss_matrix.
Usa la función plotcp() para examinar la estructura del error con validación cruzada.
Al observar el gráfico de cp, verás que podar el árbol usando el error mínimo con validación cruzada dará lugar a un árbol tan grande como el no podado, ya que el error con validación cruzada alcanza su mínimo para cp = 0.001. Como te gustaría que el árbol sea algo más pequeño, intenta podarlo usando cp = 0.0012788. Para este parámetro de complejidad, el error con validación cruzada se aproxima al error mínimo observado. Llama al árbol podado ptree_loss_matrix.
El paquete rpart.plot está cargado en tu espacio de trabajo. Representa el árbol podado con la función prp() (incluye el argumento extra = 1).

ejercicio interactivo práctico

Prueba este ejercicio completando este código de ejemplo.

# set a seed and run the code to construct the tree with the loss matrix again
set.seed(345)
tree_loss_matrix  <- rpart(loan_status ~ ., method = "class", data = training_set,
                           parms = list(loss=matrix(c(0, 10, 1, 0), ncol = 2)),
                           control = rpart.control(cp = 0.001))

# Plot the cross-validated error rate as a function of the complexity parameter


# Prune the tree using cp = 0.0012788


# Use prp() and argument extra = 1 to plot the pruned tree

Editar y ejecutar código