Inclure une matrice de perte

Troisièmement, vous pouvez inclure une matrice de perte afin de modifier l'importance relative d'une mauvaise classification d'un défaut comme un non-défaut, par rapport à celle d'un non-défaut comme un défaut. Vous souhaitez souligner qu'un défaut classé à tort comme non-défaut doit être davantage pénalisé. L'inclusion d'une matrice de perte se fait encore une fois dans l'argument parms de la matrice de perte.

parms = list(loss = matrix(c(0, cost_def_as_nondef, cost_nondef_as_def, 0), ncol=2))

Ce faisant, vous construisez une matrice 2x2 avec des zéros sur la diagonale et des pénalités de perte modifiées hors diagonale. La matrice de perte par défaut met des uns hors diagonale.

Cette activité fait partie du cours

Modélisation du risque de crédit en R

Voir le cours

Instructions de l’exercice

Modifiez le code fourni pour inclure une telle matrice de perte, avec une pénalisation 10 fois plus élevée lorsqu'un défaut réel est mal classé comme non-défaut. Pour ce faire, remplacez cost_def_as_nondef par 10 et cost_nondef_as_def par 1. Comme dans les exercices précédents, ajoutez rpart.control pour assouplir le paramètre de complexité à 0.001.
Tracez l'arbre de décision avec la fonction plot et le nom de l'objet arbre. Ajoutez un deuxième argument uniform = TRUE pour obtenir des branches de même taille et ajoutez des étiquettes à l'arbre avec text() en utilisant le nom de l'objet arbre.

Exercice interactif pratique

Essayez cet exercice en complétant ce code d’exemple.

# Change the code below such that a decision tree is constructed using a loss matrix penalizing 10 times more heavily for misclassified defaults.
tree_loss_matrix <- rpart(loan_status ~ ., method = "class",
                          data =  training_set)


# Plot the decision tree


# Add labels to the decision tree

Modifier et exécuter le code