Crear un árbol de decisión simple

El conjunto de datos loans contiene 11.312 personas seleccionadas aleatoriamente que solicitaron y luego recibieron préstamos de Lending Club, una empresa estadounidense de préstamos entre particulares.

Vas a usar un árbol de decisión para aprender patrones en el resultado de estos préstamos (o bien reembolsado o en impago) a partir del importe solicitado y la puntuación de crédito en el momento de la solicitud.

Después, verás cómo difieren las predicciones del árbol para una persona solicitante con buen crédito frente a otra con mal crédito.

Los conjuntos de datos loans, good_credit y bad_credit ya están cargados para ti.

Este ejercicio forma parte del curso

Aprendizaje supervisado en R: Clasificación

Ver curso

Instrucciones del ejercicio

Carga el paquete rpart.
Ajusta un modelo de árbol de decisión con la función rpart().
- Proporciona la fórmula de R que especifica outcome como función de loan_amount y credit_score como primer argumento.
- Deja el argumento control tal cual por ahora. (¡Aprenderás más sobre eso más adelante!)
Usa predict() con el modelo de préstamos resultante para predecir el resultado para la persona good_credit. Usa el argumento type para predecir la "class" del resultado.
Haz lo mismo para la persona bad_credit.

Ejercicio interactivo práctico

Prueba este ejercicio y completa el 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

Editar y ejecutar código