Inclure une matrice de pertes

Troisièmement, vous pouvez inclure une matrice de pertes afin de modifier l’importance relative d’une erreur qui classe un défaut comme un non-défaut, par rapport à un non-défaut classé comme défaut. Vous souhaitez souligner qu’une mauvaise classification d’un défaut en non-défaut doit être davantage pénalisée. L’inclusion d’une matrice de pertes se fait à nouveau via l’argument parms de la matrice de pertes.

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. Par défaut, la matrice de pertes comporte des uns hors diagonale.

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 pour inclure une telle matrice de pertes, avec une pénalisation 10 fois plus élevée lorsqu’un défaut réel est mal classé comme non-défaut. Pour cela, remplacez cost_def_as_nondef par 10 et cost_nondef_as_def par 1. Comme dans les exercices précédents, ajoutez rpart.control pour abaisser 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 second 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