Modifier les probabilités a priori

Comme mentionné dans la vidéo, vous pouvez aussi modifier les probabilités a priori pour obtenir un arbre de décision. C’est une façon indirecte d’ajuster l’importance des erreurs de classification pour chaque classe. Vous pouvez préciser un autre argument dans rpart() pour inclure les probabilités a priori. L’argument recherché a la forme suivante

parms = list(prior=c(non_default_proportion, default_proportion))

Le package rpart est déjà chargé dans votre espace de travail.

Cet exercice fait partie du cours

<cours>Modélisation du risque de crédit en R</cours>

Voir le cours

Instructions de l’exercice

Modifiez le code fourni afin de construire un arbre de décision en incluant l’argument parms et en fixant la proportion des non-défauts à 0,7 et celle des défauts à 0,3 (elles doivent toujours sommer à 1). Ajoutez également control = rpart.control(cp = 0.001).
Tracez l’arbre de décision avec la fonction plot et le nom de l’objet arbre. Ajoutez un second argument "uniform=TRUE" pour obtenir des branches de même taille.
Ajoutez des étiquettes à l’arbre avec la fonction text() et 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 tree is constructed with adjusted prior probabilities.
tree_prior <- rpart(loan_status ~ ., method = "class",
                    data = training_set)

# Plot the decision tree


# Add labels to the decision tree

Modifier et exécuter le code