Un último árbol usando más opciones

En este ejercicio, vas a usar algunos argumentos finales que se comentaron en el vídeo. Se cambiarán algunas especificaciones en la función rpart.control(), y se incluirán pesos usando el argumento weights en rpart(). El vector case_weights ya está construido para ti y cargado en tu espacio de trabajo. Este vector contiene pesos de 1 para los no impagos en el conjunto de entrenamiento y pesos de 3 para los impagos en los conjuntos de entrenamiento. Al especificar pesos más altos para el impago, el modelo dará mayor importancia a clasificar correctamente los impagos.

Este ejercicio forma parte del curso

Modelización del riesgo de crédito en R

Ver curso

Instrucciones del ejercicio

Fija una semilla de 345.
Completa el código proporcionado pasando case_weights al argumento weights de rpart().
Cambia el número mínimo de divisiones permitidas en un nodo a 5 y el número mínimo de observaciones permitidas en nodos hoja a 2 usando los argumentos minsplit y minbucket en rpart.control, respectivamente.
Usa la función plotcp() para investigar dónde se minimiza la tasa de error validada cruzadamente.
Usa which.min() para identificar la fila con el mínimo "xerror" en tree_weights$cp. Asígnalo a index.
Usa el código proporcionado para seleccionar el cp para el que el error validado cruzadamente es mínimo.
Poda el árbol usando el parámetro de complejidad donde la tasa de error validada cruzadamente es mínima. Guarda el árbol podado en ptree_weights.
Dibuja el árbol podado usando la función prp(). Incluye un segundo argumento extra y asígnale el valor 1.

ejercicio interactivo práctico

Prueba este ejercicio completando este código de ejemplo.

# set a seed and run the code to obtain a tree using weights, minsplit and minbucket
set.seed(345)
tree_weights <- rpart(loan_status ~ ., method = "class",
                      data = training_set,
                      control = rpart.control(minsplit = ___, minbucket = ___, cp = 0.001))

# Plot the cross-validated error rate for a changing cp


# Create an index for of the row with the minimum xerror
index <- which.min(___$___[ , "xerror"])

# Create tree_min
tree_min <- tree_weights$cp[index, "CP"]

# Prune the tree using tree_min


# Plot the pruned tree using the rpart.plot()-package

Editar y ejecutar código