Construir un árbol de decisión sencillo
El conjunto de datos loans contiene 11.312 personas seleccionadas al azar que solicitaron y posteriormente recibieron préstamos de Lending Club, una empresa de préstamos entre particulares con sede en US.
Utilizarás un árbol de decisión para intentar aprender patrones en el resultado de estos préstamos (reembolsados o impagados) en función del importe del préstamo solicitado y de la puntuación crediticia en el momento de la solicitud.
A continuación, comprueba cómo difieren las predicciones del árbol para un solicitante con buen crédito frente a otro con mal crédito.
Se ha cargado para ti el conjunto de datos loans.
Este ejercicio forma parte del curso
Aprendizaje supervisado en R: Clasificación
Instrucciones de ejercicio
Carga el paquete
rpart.Ajusta un modelo de árbol de decisión con la función
rpart().Introduce la fórmula R que especifica
outcomecomo función deloan_amountycredit_scorecomo primer argumento.Deja por ahora el argumento de
control. (¡Ya sabrás más sobre esto más adelante!)
Utiliza
predict()con el modelo de préstamo resultante para predecir el resultado del solicitante degood_credit. Utiliza el argumentotypepara predecir el"class"del resultado.Haz lo mismo con el solicitante de
bad_credit.
Ejercicio interactivo práctico
Pruebe este ejercicio completando este código de muestra.
# 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